小红书参数服务器研发工程师-搜广推
社招全职3-5年引擎地点：上海 | 北京状态：招聘
任职要求
1. 优秀的代码能力、数据结构和基础算法功底，熟悉C++开发，有分布式系统或高性能计算相关开发经验(存储、并发、网络)。 2. 有一线互联网公司有参数服务器或大规模稀疏模型推理系统研发经历，深入理解并拥有大规模参数服务和分布式系统的实践经验，熟悉其架构、一致性协议与性能调优。 3. 参与推理/训练参数服务器的迭代优化，优化GPU PS embedding 相关功能，包括不限于参数更新 / 存储 / 索引构建等…
登录查看完整任职要求
微信扫码，1秒登录
工作职责
1. 参与下一代高性能参数服务器（Parameter Server）的架构设计、核心模块开发与持续迭代，以满足大规模稀疏模型在线推理的超低延迟、高吞吐需求。 2. 深入优化参数服务器的通信框架（如BRPC、RDMA）、存储引擎（HBM、MEM、SSD分层存储）、并发模型和负载均衡策略，解决海量参数同步中的瓶颈问题。 3. 与算法团队紧密合作，理解前沿模型（如大语言模型、推荐系统、多模态模型）对训推基础设施的需求，并将其转化为系统级的创新与优化； 4. 跟踪业界前沿技术，探索其在参数服务器中的落地场景，推动平台技术演进。
包括英文材料
数据结构+
https://www.youtube.com/watch?v=8hly31xKli0
In this course you will learn about algorithms and data structures, two of the fundamental topics in computer science.
https://www.youtube.com/watch?v=B31LgI4Y4DQ
Learn about data structures in this comprehensive course. We will be implementing these data structures in C or C++.
https://www.youtube.com/watch?v=CBYHwZcbD-s
Data Structures and Algorithms full course tutorial java
算法+
https://roadmap.sh/datastructures-and-algorithms
Step by step guide to learn Data Structures and Algorithms in 2025
https://www.hellointerview.com/learn/code
A visual guide to the most important patterns and approaches for the coding interview.
https://www.w3schools.com/dsa/
C+++
https://www.learncpp.com/
LearnCpp.com is a free website devoted to teaching you how to program in modern C++.
https://www.youtube.com/watch?v=ZzaPdXTrSb8
分布式系统+
https://www.distributedsystemscourse.com/
The home page of a free online class in distributed systems.
https://www.youtube.com/watch?v=7VbL89mKK3M&list=PLOE1GTZ5ouRPbpTnrZ3Wqjamfwn_Q5Y9A
性能调优+
https://goperf.dev/
The Go App Optimization Guide is a series of in-depth, technical articles for developers who want to get more performance out of their Go code without relying on guesswork or cargo cult patterns.
https://web.dev/learn/performance
This course is designed for those new to web performance, a vital aspect of the user experience.
https://www.ibm.com/think/insights/application-performance-optimization
Application performance is not just a simple concern for most organizations; it’s a critical factor in their business’s success.
https://www.oreilly.com/library/view/optimizing-java/9781492039259/
Performance tuning is an experimental science, but that doesn’t mean engineers should resort to guesswork and folklore to get the job done.
内核+
https://www.youtube.com/watch?v=C43VxGZ_ugU
I rummage around the Linux kernel source and try to understand what makes computers do what they do.
https://www.youtube.com/watch?v=HNIg3TXfdX8&list=PLrGN1Qi7t67V-9uXzj4VSQCffntfvn42v
Learn how to develop your very own kernel from scratch in this programming series!
https://www.youtube.com/watch?v=JDfo2Lc7iLU
Denshi goes over a simple explanation of what computer kernels are and how they work, alonside what makes the Linux kernel any special.
还有更多 •••
相关职位
社招WXG公共技术
1.负责微信生态内机器学习基础设施组件的研发与维护，重点包括数据存储类组件（如FeatureKV、WeGraphDB、UnionDB）、向量检索系统（如SimOL）及参数服务器（如WePS）等核心模块的开发； 2.深入分析业务需求，针对性优化组件的查询效率、写入吞吐量及资源利用率，持续提升系统性能表现； 3.通过代码重构、架构改进等方式增强组件的易用性，降低业务接入门槛，同时保障高可用性，确保服务SLA达到99.9%以上； 4.紧密结合微信推荐系统、大语言模型等业务的实际场景，收集用户反馈并迭代组件功能，解决业务落地过程中的技术瓶颈； 5.参与技术方案评审与故障排查，输出高质量的技术文档，沉淀最佳实践经验。
更新于 2026-06-12深圳
实习阿里巴巴研究型实
Java应用程序的运行时行为由静态的程序和动态的workload共同决定，即使相同的Java应用在不同的workload上工作时，也会表现出不同的运行时行为。通过对应用运行时相似度建模，可以快速将已训练出的JVM优化参数泛化迁移到新的应用中。 我们需要您可以研究解决应用程序运行时相似度的问题，主要包括以下职责： 1. 研究建立应用的参数泛化迁移相似度模型 2. 在实际应用中验证相似度模型 3. 用相似度模型加速JVM优化参数训练的过程
更新于 2026-03-17上海