小红书搜索算法工程师(排序)-社区搜索
任职要求
-计算机相关专业研究生及以上学历，2年以上搜索、推荐、广告等相关背景，有相关领域代表性工作优先； -熟悉机器学习、信息检索、数据挖掘、自然语言处理领域的经典算法，并能在业务中灵活解决实际问…
工作职责
-面向亿级别用户的大规模搜索场景，构建百亿样本万亿参数的大规模个性化排序模型，通过大规模分布式学习、超长用户行为序列建模、多模态多目标学习等算法优化，提升模型的在线效果和用户体验； -面向高速增长的搜索业务，调研和落地业界算法的前沿进展，结合小红书搜索业务场景不断创新，设计精准满足用户需求、快速响应业务优化、高性能可扩展的粗排、精排和重排算法，通过体验提升拉动搜索增长； -面向业界独特的 UGC 生态和生活搜索场景，不断分析和拆解整体和细分搜索场景中的核心体验问题，针对不同意图与人群的精细化搜索排序算法，创造极致的搜索体验 -面向快速成长的商业化业务，设计平衡搜索体验和商业化营收的混排算法与机制，促进社区价值与商业价值的最大化；
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、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。
【职位介绍】 我们团队负责构建小红书推荐算法中台，提高内容分发效率，为海量用户提供极致的推荐体验。在这里，你将参与到推荐系统的全链路搭建和各类算法的研发，包括不限于大模型应用、多模态建模、深度学习、强化学习、迁移学习、表示学习、图学习等领域。我们希望对推荐、搜索、广告感兴趣的同学，加入我们一起研发世界一流的推荐引擎。 1. 负责推荐算法中台的全链路建设，抽象业务共性，敏捷高效支持各类推荐需求。 2. 负责业界先进推荐算法的研发和落地，包括但不限于大模型技术、多模态内容理解、召回算法、排序模型（粗精排）、长短期兴趣建模、多场景联合建模等。
1、负责搜索C端业务需求的研发与实现； 2、负责搜索业务基础架构模块的升级与维护，提升搜索产品研发效率； 3、负责搜索容器产品及平台的的底层核心服务能力建设，借助云原生相关技术提升搜索引擎系统的平台化程度，实现搜索引擎的产品化； 4、负责搜索各类平台系统间的整体优化与整合，提升平台系统的稳定性/通用性/研发与使用效率。
1、参与快手大规模深度学习推理框架的研发与优化，保障在线系统的高可用/高并发，为快手搜索数亿用户提供高效稳定的算力输出； 2、负责快手搜索模型推理优化工作，优化模型推理性能，高吞吐低延时支撑模型推理服务； 3、 支持大模型在搜索场景落地的相关模型优化，包括不局限于AI检索，Query改写等。