传音资深后端开发工程师（算法工程化）(J17884)
任职要求
1. 具备4年以上相关领域的工作经验，有推理大模型或大语言模型的设计、研发、部署经验者优先； 2. 熟悉Linux开发环境，掌握Python/C++等语言， 有良好的编程基础、系统设计优化能力； 3. 熟悉各类深度学习网络和算子底层实现细节，训练和推理模型调试、调优有实操经验优先； 4. 熟悉CPU/GPU异构加速瓶颈分析方法，有服务器端 AI 芯片、GPU加速经验优先； 5. 熟悉分布式推理常用加速方法，有超大模型分布式部署经验优先。 6. 熟悉容器化、分布式系统、缓存技术、消息队列、rpc等相关技术； 7. 具备良好的技术热情和责任感，优秀的分析解决问题能力，良好的团队意识和沟通能力。
工作职责
1. 负责AI 加速硬件的性能评估分析，在单机单卡/大规模集群等场景进行全方位的软硬件系统性能评估，分析调优和业务交付落地； 2. 配合算法工程师，推动深度学习相关算法的落地，打造高吞吐、低延时的推理系统； 3. 参与过 ASR, TTS 语音工程化落地项目 或参与过 CV 项目. 4. 大模型技术前沿追踪以及框架应用。 5. 深入研究和优化大模型的训练方法，提高模型的效率和效果经验者优先 6. 优化大模型推理性能，提升吞吐并控制成本经验者优先 7. 优化大模型推理框架，提升框架扩展性，易用性和可调试性经验者优先。
负责语音助手产品的需求梳理、后台架构设计与开发。 配合NLP算法工程师，负责对话系统、NLP、LLM Agent工程化建设。 负责语音助手产品的高可用，高性能。
AI后端开发工程师的核心任务是为AI能力构建稳定、高效且可扩展的后台服务，确保智能应用顺畅运行。其主要工作包括： 1.系统架构设计与优化：参与设计高并发、低延迟、高可用的后端系统架构以支撑AI服务。运用微服务、容器化（Docker/K8S）、消息队列（Kafka/RabbitMQ）、缓存（Redis） 等技术，并优化数据库（如MySQL、MongoDB、向量数据库）性能 2.数据处理与管道构建：构建和维护数据管道，支持海量数据的采集、清洗、存储与处理，为模型训练和优化提供支持，有时需设计数据闭环系统 3.全流程开发与协作：参与从需求分析、设计、编码、测试到部署运维的全流程。需与算法工程师、前端工程师、产品经理等紧密协作，确保项目顺利交付 4.技术攻坚与创新：解决模型部署和运行中的技术难题（如资源瓶颈、轻量化），探索和引入前沿技术（如大模型服务化、多模态、边缘计算）以提升产品竞争力
1、负责商业化广告投放系统测试架构的开发，挖掘质量风险，建设保障体系； 2、负责梳理系统存在的问题，包括稳定性，客户体验等，给出可行性方案； 3、改进现有稳定性工具的效率、稳定性和扩展性； 4、参与系统稳定性与容灾相关工作，参与组内产品质量运营和管理工作。
参与大规模语言模型(LLM)及其他AI模型的在线服务部署、性能调优与推理加速，确保高并发、低延迟、高可用的模型服务。参与设计和开发智能Agent运行框架，实现核心模块，包括不限于知识库存储与检索(RAG)、Agent的长短期记忆存储、对接多模型协作协议(如MCP/A2A)等新型交互机制。负责搜索推荐算法工程后端系统的设计、开发和维护，保障系统稳定高效运行，实现高并发在线特征工程、模型推理服务集成和服务质量监控等核心模块。参与系统架构的设计、优化及核心模块的代码实现(Java为主)。与产品经理、算法工程师、前端工程师紧密协作，理解需求，设计技术方案并推动落地。负责系统的日常维护、监控、故障排查和性能调优。