希音资深后台（深度学习框架工程师-训练Develop方向）

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. 算法工程化支持：负责支持跨境治理和商品治理方向的算法工程化落地，包括算法服务化、模型部署、性能优化、A/B测试与监控体系搭建。 2. 系统开发与维护：基于Java与Python开发高性能、可扩展的算法平台和治理系统，保障算法稳定运行和高可用性。 3. 算法研发协同：与算法研究人员、产品经理紧密协作，推动图像理解、NLP、多模态及大模型等算法从研发到线上应用的全流程闭环。 4. 数据与质量评估：建设和维护治理效果数据采集、评估和监控体系，持续迭代优化模型与策略，驱动业务降本增效。 5. 技术方案创新：关注业界最新算法工程化与MLOps实践，推动内部平台能力升级，提升算法迭代效率。

1、负责商业增值的算法工程相关工作，建设机器学习Pipeline，提升算法迭代效率，统一机器学习的开发和部署，以标准化过程生产高性能模型，持续交付； 2、负责在线推理的优化工作，建设CPU+GPU的异构架构，解决大规模模型推理等问题，并能跟随模型的迭代持续进行编译优化，提升优化的普适性以及对新硬件的覆盖能力； 3、负责特征平台的优化升级工作，提升数据生产效率，实现算法场景下数据价值加速流通和赋能提效，并优化在线特征读取性能，且能前瞻性的看到新技术，结合实际场景预判引入； 4、负责算法迭代日常需求沟通，支撑算法生命周期的全链路迭代，理解算法需求的同时可以通用化的进行抽象，提升平台能力面对相似场景的复用性。 5、负责LLM推理引擎优化，基于业界先进经验设计开发及优化LLM推理框架。 6、负责高性能算子开发和优化，针对Transformer等结构，通过指令级、内存访问优化等手段，提升算子性能，充分利用硬件能力。 7、负责跟随业界LLM新技术，并赋能到业务中。

1. 深度主导语音助手业务的后台架构设计、开发及全方位维护，持续优化迭代，凭借敏锐洞察力主动排查潜在问题并推动高效解决，全力提升产品竞争力与用户体验。 2. 与端侧、AI算法、产品团队紧密合作，定位并解决语音识别与语音合成中的技术问题，优化语音体验；跟进前沿语音技术进展，推动语音助手技术的快速迭代与落地。 3. 大模型技术前沿追踪以及框架应用。了解但不限于 Agent 架构, MCP 协议等. 4. 负责团队基础设施的搭建与维护，通过技术创新显著提升团队研发效率，有力支撑业务的高速拓展。 5. 负责或参与线上系统部署、维护、性能监控、服务器优化等工作。 6. 参与分析系统瓶颈，解决各种疑难杂症，对系统进行性能调优。 7. 积极参与 Code Review、技术方案评审以及团队流程优化，为团队技术能力提升与工作流程完善贡献专业力量。