小红书大模型研发工程师（质量研效）
任职要求
1、计算机相关专业本科及以上学历（含应届博士），有扎实的计算机基础知识和编程功底，良好的数据结构基础； 2、熟悉大语言模型(LLM)架构，有大语言模型应用开发经验，在智能问答、代码review、代码续写、测试用例生成等方向有成功经验； 3、至少掌握一门高级语言， 包括Java、Golang、C/C++、Python； 4、精通多线程编程，熟悉常见的开源分布式中间件、缓存、消息队列、数据库等； 5、有强烈的好奇心，对前沿技术保持敏感。具有良好的沟通能力、学习能力和团队合作精神; 6、深刻理解研发流程和实践，良好的工程师思维，准确把握需求； 7、有较强的技术视野，学习能力强，有较好的沟通与表达； 8、拥有项目管理及协作、代码托管、CI/CD、DevOps、客户端UI自动化生成、测试用例生成等效能工具开发经验者优先；
工作职责
1、参与大模型在公司质效领域的应用落地，包括使用开源模型或者API搭建大模型应用架构、评测体系建设、智能体建设、智能CR、智能问答、UI自动化、测试用例生成等； 2、学习跟踪业界大模型在效能领域的最新进展，并探索大模型在公司效能方向的机会点和提升改进落地效果；
1、构建以 AI 驱动的研发效能与质量保障工具链，提升研发体系的智能化水平； 2、参与大模型能力在质量及研效工具中的探索与落地，包括但不限于智能代码补全、智能代码CR、测试流量生成、UI自动化生成等； 3、深入理解公司多元业务场景（社区/电商/多媒体/搜推广），通过创新技术手段解决研发效能与质量痛点； 4、与前沿技术同行（如 AI Coding、AI Testing），共创高效、高质量的研发交付体系。 加入我们，参与构建下一代智能研发体系！ 你将有机会站在 AI 技术最前沿，推动大模型在研发效能与质量保障领域的应用，打造面向未来的智能研发工具链。 你将获得深度参与 AI+质效的实际落地，参与顶级工程问题的探索与解决；与一群志同道合、极具技术热情的伙伴共事；Mentor带教机制与成长支持体系，助你从学生快速成长为具备行业影响力的工程师。 #后端 #客户端 #开发 #测开 #测试 #测试开发 #研效 #研发效能 #质量 #大模型 #LLM #引擎架构 #自动化
我们是小红书中台大模型 Infra 团队，专注打造领先易用的「AI 大模型全链路基础设施」！团队深耕大模型「数-训-压-推-评」技术闭环，在大模型训练加速、模型压缩、推理优化、部署提效等方向积累了深厚的技术优势，基于 RedAccel 训练引擎、RedSlim 压缩工具、RedServing 推理部署引擎、DirectLLM 大模型 API 服务、QuickSilver 大模型生产部署平台等核心产品，持续赋能社区、商业、交易、安全、数平、研效等多个核心业务，实现 AI 技术高效落地！ 1、探索研发针对大语言模型、多模态大模型、StableDiffusion模型等模型的压缩技术，包括但不限于量化、蒸馏、剪枝、稀疏化等； 2、参与/负责多个业务场景中的模型压缩技术实现，对模型进行轻量化压缩，提高训练/推理效率，支持业务降本增效； 3、参与/负责针对英伟达GPU、华为昇腾NPU等不同的计算硬件，制定不同的模型压缩方案并在业务落地；
我们是小红书中台大模型 Infra 团队，专注打造领先易用的「AI 大模型全链路基础设施」！团队深耕大模型「数-训-压-推-评」技术闭环，在大模型训练加速、模型压缩、推理优化、部署提效等方向积累了深厚的技术优势，基于 RedAccel 训练引擎、RedSlim 压缩工具、RedServing 推理部署引擎、DirectLLM 大模型 API 服务、QuickSilver 大模型生产部署平台等核心产品，持续赋能社区、商业、交易、安全、数平、研效等多个核心业务，实现 AI 技术高效落地！ 1、负责大模型平台的架构设计和核心功能研发，构建云原生架构，设计高可用、高性能的微服务体系； 2、负责构建面向大模型全流程的DevOps，与下游云原生平台深度融合，支撑大模型在公司内各业务生产链路稳定高效地落地； 3、负责万卡规模GPU集群效能分析及优化，通过调度策略优化、在离线混部、GPU虚拟化、存储&网络加速等手段，提升GPU集群使用效率； 4、将平台和框架结合，通过任务调度、弹性容灾、性能优化等措施端到端提升AI生产效率，涉及k8s/kubeflow、网络通信、分布式训练等； 5、优化各AI平台性能，提升系统稳定性和可扩展性，保障大规模并发场景下的服务质量与用户体验； 6、持续研究分析业内创新AI平台产品，优化技术方案，改进产品功能，提升创新能力与产品体验。
岗位描述 使用AI技术优化软件研发流程（当前主要是移动端APP的研发流程），打造智能化DevOps体系，助力产品快速迭代与质量突破。 岗位职责 1. 研发流程智能化：设计基于AI大模型的研发效能体系，构建从需求到研发交付的提效系统； 2. AI效能工具开发：开发代码自动审查工具、搭建测试用例智能生成平台、知识库驱动的智能修复建议体系； 3. AI效能体系技术落地：主导DevOps工具链AI化改造，推动AI能力在产研全流程使用。