零一万物知识算法工程师
任职要求
1. 计算机、人工智能、软件工程、数学或相关专业本科及以上学历，3年以上算法或AI工程经验； 2. 熟练掌握Python及主流深度学习框架（PyTorch/TensorFlow），具备扎实的算法实现与调试能力； 3. 在以下至少两个方向有深入实践： - OCR后处理与文本数据清洗（如模糊匹配、规则引擎、语言模型纠错）； - 知识图谱构建（使用Neo4j、Apache Jena、DGL-KE等工具链）； - 大模型微调与部署（熟悉HuggingFace Transformers、vLLM、L…
工作职责
1. 负责大规模OCR识别结果的数据清洗、纠错与结构化处理，提升文本抽取的准确率与可用性； 2. 设计并构建面向垂直领域的知识图谱，包括实体识别、关系抽取、属性融合、图谱对齐等核心环节； 3. 基于业务场景对开源或自研大语言模型（LLM）进行领域适配与高效微调（如LoRA、QLoRA、Prompt Tuning等），提升模型在特定任务（如问答、推理、信息补全）上的表现； 4. 运用本体论（Ontology）方法设计领域知识体系，定义概念层级、语义关系与逻辑约束，支撑高质量知识建模与推理； 5. 探索多模态（图像+文本）信息融合策略，将OCR输出与视觉上下文结合，增强知识抽取与语义理解能力； 6. 与产品、数据及工程团队紧密协作，推动知识驱动型AI系统在内容理解、智能检索、风险识别等场景中的落地。
1. 设计并实现端到端智驾大模型，整合感知、规划与决策功能，提升模型的整体性能与效率； 2. 运用深度学习、强化学习、机器学习等技术，优化模型结构，提高模型对复杂驾驶场景的理解和应对能力； 3. 负责收集、标注和处理自动驾驶相关数据，构建高质量的数据集，为模型训练提供有力支持； 4. 利用数据增强、迁移学习等方法，提升数据利用效率，优化模型的泛化能力； 5. 跟踪自动驾驶和人工智能领域的最新研究成果，探索新技术在端到端大模型中的应用可能性。
1. 设计并实现端到端大模型，整合感知、规划与决策功能，提升模型的整体性能与效率； 2. 运用深度学习、强化学习、机器学习等技术，优化模型结构，提高模型对复杂驾驶场景的理解和应对能力； 3. 负责收集、标注和处理智能辅助驾驶相关数据，构建高质量的数据集，为模型训练提供有力支持； 4. 利用数据增强、迁移学习等方法，提升数据利用效率，优化模型的泛化能力； 5. 跟踪智能辅助驾驶和人工智能领域的最新研究成果，探索新技术在端到端大模型中的应用可能性
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】 我们是小红书内稠密类模型（LLM/MLLM/SD/CV/NLP）统一的AI平台QuickSilver，负责调度公司内所有稠密类模型训练与推理资源，基于自建的训推引擎，为公司所有AI算法同学迭代业务模型提供端到端一站式AI服务；包括数据管理，模型管理，模型训练、压缩、推理、部署，服务管理，资源调度等一系列能力。 工作职责： 1、负责稠密类模型训练推理开发平台的架构设计和核心功能研发 2、设计和实现大模型训练部署流程，包括模型fine-tuning、推理服务化等 3、构建云原生架构，设计高可用、高性能的微服务体系 4、优化平台性能，提升系统稳定性和可扩展性