小红书AI 全栈工程师-电商C端（用增/导购等）
任职要求
#我们希望你具备（门槛友好，上限极高）： - 1～5年互联网后端开发经验，特别优先成长意愿强的同学； - 本科及以上学历，计算机基础扎实，熟练掌握Java或Go任一即可； - 熟悉主流技术栈：MySQL、Redis、MQ、Spring Boot/Dubbo/K8s等； - 有代码洁癖，追求优雅设计与极致性能； - 强烈的Owner意识，对自己负责的系统/业务能持续思考并推动改进； - 加分项（有最好，没有我们一起冲）：电商C端场域、直播/信息流容器、用户互动体系、裂变玩法、高并发消费者侧系统经验。 …
工作职责
#为什么这个岗位能让你2026年大幅领先同龄人？ 小红书电商C端正处于爆发式增长期，日活跃用户、订单量、GMV都在指数级上升。 这里不是传统货架电商，而是内容+社区+种草驱动的消费场景——直播、双列信息流、橱窗、笔记、频道、市集，每一个页面都直接影响用户从“看到”到“下单”的转化。你将从入职第一天起就深度参与这些最靠近用户的亿级流量场域的建设和优化，业务影响力看得见摸得着，技术成长速度远超行业平均。 #专属成长加速包（特别适合1-3年想快速成长的你，3-5年也完全适用）： - 团队内经验丰富的前辈手把手带教，12-18个月内你对C端复杂场景的理解和技术深度就能实现质的飞跃 - 扁平化文化，优秀的人天然会被赋予更大责任、更广权限、最核心的项目，成长完全取决于你的能力和产出 - 深度参与直播容器、双列信息流、笔记电商化、频道/市集框架、用户互动与裂变玩法等前沿项目，简历含金量直接爆表 - 薪资拉到T0/T0.5梯队，期权激励亮眼，另有免费三餐、零食饮料、房补、工区健身车等小红书特色福利； #你每天会做的事（超级爽的技术+业务结合）： - 深度参与直播、双列信息流、橱窗、笔记等亿级用户侧核心场域的开发与极致优化，让用户体验丝滑到飞起； - 建设频道、会场、市集等高活跃框架，直接拉动电商日活和用户时长； - 探索小红书独有的互动与裂变玩法（比如笔记带货新形态、社区导购、用户UGC电商化），亲手打造下一个爆款功能； - 持续演进高可用微服务体系，扛住大促流量高峰，让工程效率和系统稳定性双双起飞；
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、参与设计实现支持RLHF/DPO等对齐技术的高效训练框架，优化强化学习阶段的Rollout、Reward Model集成、多阶段训练 Pipline； 2、研发支持多机多卡 RL 的分布式训练框架，开发TP/PP/ZeRO-3与RL流程的动态协同机制，解决 RL 算法在超长时序下的显存/通信瓶刭 3、构建端到端后训练工具链，主导框架与 MLOps 平台集成，提供训练可视化、自动超参搜索等生产级能力 4、与公司各算法部门深度合作，参与大语言模型LLM、多模态大模型 MLLM等业务在 SFT/RL领域的算法探索和引擎迭代； 5、参与分析各业务 GPU 利用率与饱和度等指标，结合业务场景持续优化训练框架能力，提升框架领先性。
【业务介绍】 作为公司统一的机器学习平台团队，负责调度公司所有模型训练与推理资源；基于自建的训推引擎，构建公司统一的机器学习平台，为公司所有算法同学（稀疏 & 稠密，含 LLM） 模型迭代提供端到端的一站式服务；包括 数据生产，模型训练，模型上线，特征管理，模型测试，资源管控等一系列能力。 【岗位职责】 1、负责机器学习链路，离在线数据相关的开发工作，包括样本数据、特征数据等的数据链路搭建、任务运维和调优、性能优化等 2、负责小红书大规模机器学习平台的后台系统设计和开发工作；包括样本平台，特征平台，训练平台，推理平台等AI应用后台建设等； 3、研究分析业内AI平台产品，优化技术方案，改进产品功能，完善产品体验。
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！ 工作职责： 1、参与/负责研发面向大语言模型(LLM)/多模态大模型(MLLM)等类型模型的推理服务框架； 2、参与/负责KV Router、PD分离/EPD分离、KVCache管理、动态PD调整等分布式推理能力建设； 3、通过并行计算优化、分布式架构优化、异构调度等多种框架技术，打造高效、易用、领先的AI推理框架； 4、参与/负责构建推理框架的系统容错能力，包括但不限于请求迁移、优雅退出、故障检测、自愈等能力建设； 5、深度参与周边深度学习系统多个子方向的工作，包括但不限于模型管理、推理部署、日志/监控、工作流编排等； 6、与全公司各业务算法部门深度合作，为重点项目进行算法与系统的联合优化，支撑业务目标达成。
大模型具备很强的泛化及理解世界能力，在小红书内的众多生产场景遍地开花，大模型的训练和部署已成为许多算法工程师的日常。在多团队、多业务频繁使用的大规模GPU集群上，如何能够通过高效的GPU调度策略，使大家不仅能丝滑地完成训练及部署任务，同时也能充分激发大规模GPU集群的效能，是行业公认的关键挑战。在这里，你可以聚焦LLM场景，接触到超大规模GPU集群，并使用真实负载数据进行深入分析及技术探索。欢迎加入我们，一起探索领先技术改变世界！ 工作职责： 1、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、集群调度、GPU虚拟化、故障快速恢复、存储&网络加速等手段，提升大规模GPU集群的整体使用效率。 2、负责构建面向大模型训练、微调、推理、部署全流程LLMOps，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、持续关注业界最新的GPU资源调度相关技术动态，探索建设业界领先的资源调度策略及方法，构建下一代大规模AI资源调度系统。