长江存储先进封装设计与开发（武汉）(J13950)
任职要求
硕士及以上学历
专业要求：电气、电子工程/机电一体化/自动化//材料工程/计算机工程等相关专业：
1. 对半导体先进封装种类和工艺制程有了解和知识储备；
2. …工作职责
1. 根据内外客户的要求, 评估封装的可行性，为产品设计提供有竞争力的封装方案，从而确保质量和成本的平衡，以及供应链安全； 2. 从封装设计的角度，对于晶片电路引出口的设计和锡球布局的设计提出修改建议； 3. 完成芯片产品封装设计工作，主要包括打线图设计、基板设计； 4. 和封装厂以及基板厂审核设计方案；以及绘制/制作出正式的基板图/打线图/产品外观图等； 5. 从封装设计的角度，优化工艺流程，提升良率和可靠性，节约成本； 6. 执行先进封装平台、技术、设备等的选型、认证和导入， 确保研发项目满足MRD或领先于市场要求， 确保先进封装研发项目一把过，质量和成本达标； 7. 配合先进封装材料开发工程师，完成新型封装封装材料的选型、认证和导入; 8. 建立先进封装平台和技术路线图，并实施直至闭环。
【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。
中台稠密引擎组，是小红书负责建设通用深度学习训练推理引擎的团队，面向全公司LLM、多模态LLM、SD、传统CV&NLP等稠密计算型模型训练与推理的业务场景，打造高效、易用、业界领先的训练与推理引擎，为小红书社区、商业化、安全等众多业务方向提供先进的引擎能力，支撑业务持续提升训练推理效率、模型迭代效率与算法研发效率。 1、参与设计和实现深度学习后训练及微调的前沿算法（包括但不限于RFT、RLHF等），以适应多样化的业务场景； 2、结合业务数据和场景，评估选择最适合的微调算法，以支撑业务大语言模型（LLM）微调指标的提升； 3、与数据团队紧密合作，深入理解数据特性，参与设计实现数据提质算法引擎工具，产出高质量数据集提升模型微调效果； 4、与公司内各算法团队深度合作，参与或负责大语言模型、多模态大模型等业务场景的后训练端到端效果提升及落地； 5、密切关注业界 LLM 微调算法和数据提质领域的前沿论文，并整合新技术和算法到训练引擎中，提升框架的领先性；
【职位描述】 1、负责小红书搜广推多场景排序模型优化，提升时长、互动、留存等核心指标； 2、分析海量用户行为数据，挖掘用户兴趣，优化排序模型； 3、通过超大规模机器学习模型和系统，使用先进的排序算法优化推荐效果。
我们正在寻找一位具有AI智能化及内容算法经验的算法团队负责人。负责领导团队开发前沿技术，推动旅游领域知识的构建，支持内容产品的分发和AI Agent结合的创新应用探索，提升公司产品的智能化水平。 ： 领导并管理内容算法团队，制定技术战略和发展方向，推动知识构建、知识编译、知识分发、探索LLM等创新NLP技术与Agent业务的结合。 1、负责基础NLP相关算法研发，面向但不限于：预训练，文本理解，同义词挖掘，实体识别，term权重分析，属性词挖掘 2、结合NLP和深度学习技术，推动领域知识的构建与优化，制定各环节Benchmark及衡量标准, 跟进业界先进大模型、多模态技术的应用及改进 3、发现并解决推荐分发场景中的意图识别、排序模型、相关性等方向的问题，召回策略和召回模型的优化，开发先进和高性能的召回算法 4、与产品、数据、工程等跨职能团队协作，推动技术落地和产品迭代。 5、负责团队成员的技术指导和能力提升，推动团队技术文化的建设。