小红书智能调度开发工程师
任职要求
任职资格： 1、熟悉云原生调度架构和生态（如Kubernetes、Kubeflow、Volcano等），掌握分布式系统原理，参与过大规模分布式系统的设计、开发和维护； 2、具备2年以上机器学习的大规模工业应用的工程经验。对模型训练、部署、服务化、性能优化、训练及推理的资源调度效率优化有深刻见解。能够有效解决在生产环境中遇到的技术挑战。 3、加分项：具备深度学习和神经网络方面的专业知识，对主流基础框架（如TensorFlow、PyTorch）和业界机器学习平台（如PAI、PaddlePaddle等）有深入理解和实际研发经验。
工作职责
部门介绍： 小红书的AI技术中台目前由AI技术部负责建设，通过标准化的AI技术能力提供支持公司各个业务团队（包括社区，交易，商业化，广告，agi），实现AI能力的共享和复用，提升技术资源的利用率和公司的创新迭代速度，并降低技术成本和稳定性风险。 工作职责： 作为小红书AI技术部 智能调度开发工程师： 1、负责机器学习系统资源智能调度的设计和开发，服务于各方向（搜广推核心场景、LLM场景等）的模型训练、模型评估和模型推理； 2、通过调度技术、引擎技术提升在离线资源分配和利用效率，并提升训练、推理性能，支持公司业务的快速发展。 3、通过对机器学习平台的架构升级和产品迭代，大幅提升算法同学的模型迭代效率。 4、打造具有业界一流水平的机器学习技术，通过开源共建等各类形式，提升团队与个人在业界的影响力。
1.参与SoC智能调度引擎开发，突破多核异构SoC能效瓶颈，实现设备续航提升20%-30%+； 2.研发基于AI预测模型的动态调度框架，完成CPU/NPU/GPU/DSP混合计算单元毫秒级资源切换与三维能效评估； 3.设计指令级功耗建模工具与自适应DVFS算法，提升典型用户场景10%+的能效提升； 4.深度协同澎湃芯片及小米全栈技术生态，覆盖手机/汽车/机器人等亿级设备，技术成果直通国际顶会转化通道。 【课题名称】 端侧高效整机性能&能效优化技术研究 【课题内容】 小米玄戒芯片能效优化与智能调度体系研究课题背景： 面对手机/汽车/机器人等多场景的极端能效需求，玄戒SoC芯片需突破多核异构的能效瓶颈，通过智能调度引擎与AI驱动的功耗建模技术，构建"芯片+系统+生态"的三维能效优化体系。结合澎湃系列芯片低功耗研发经验（硬件利润率≤5%原则）及AI实验室全栈技术积累，实现续航提升20%-30%+的行业领先能效比，技术成果直通国际顶会转化通道。 挑战： 1. SoC异构计算单元智能调度引擎开发 - 构建基于AI预测模型的动态调度框架，实现CPU/NPU/GPU/DSP混合计算单元的毫秒级资源切换与负载均衡。 - 设计多目标优化算法，在典型用户场景（如多模态交互、自动驾驶感知）中达成计算资源利用率与能效比的协同提升。 2. 指令级功耗建模与自适应能效调控 - 开发面向玄戒O1架构特征的指令级功耗建模工具链，建立微架构-指令-场景的三维能效评估体系。 - 研发自适应DVFS算法与异构缓存协同机制，确保在影像处理、边缘推理等典型场景下实现10%+能效增益。 3. 全栈技术生态协同优化 - 深度整合澎湃芯片家族（C1/G1/S1）的异构调度能力，构建覆盖MIUI系统、车载OS、机器人OS的统一能效优化方案。 - 设计可扩展的调度框架，支持手机/汽车/机器人等设备的差异化能效需求，推动技术方案在IEEE/ACM等顶会的成果转化。
1、负责货量预测优化与车辆调度决策，基于运筹优化与AI技术（强化学习/时空预测算法等），构建多目标（成本/效率/体验）动态调度策略，目标实现运输成本降低X%、平均履约时效提升Y%； 2、深度挖掘网络物流核心痛点，运用数据建模与仿真系统验证核心指标（成本/车效/车货匹配等），驱动建设行业领先的智能调度平台； 3、跟踪行业前沿技术（深度学习/大语言模型等），探索其在动态调度、动态定价等场景的创新应用。
1、负责快手千万量级流量调度的策略设计、研发、维护工作，智能调度全球流量，追求极致质量与成本，赋能业务； 2、深入理解业务场景，根据业务场景和人群网络情况编排CDN、NCDN流量分配策略，达到千人千面，全局最优的效果； 3、持续完善监控体系，及时发现和调整流量策略不合理问题。
1、负责快手千万量级流量调度的策略设计、研发、维护工作，智能调度全球流量，追求极致质量与成本，赋能业务； 2、深入理解业务场景，根据业务场景和人群网络情况编排CDN、NCDN流量分配策略，达到千人千面，全局最优的效果； 3、持续完善监控体系，及时发现和调整流量策略不合理问题。