字节跳动高级前端工程师(人工审核方向)-国际化内容安全平台
任职要求
1、计算机、通信和电子信息科学等相关专业优先; 2、熟练掌握各种前端技术,包括HTML/CSS/JavaScript/Node.js等; 3、深入了解JavaScript语言,使用过React或Vue…
工作职责
团队介绍:国际化内容安全平台团队致力于为字节跳动国际化产品的用户维护安全可信赖环境,通过开发、迭代机器学习模型和信息系统以更早、更快发掘风险、监控风险、响应紧急事件,以人工智能技术支持业务发展,力求更高效、更敏捷、更全能地维护站内生态安全。 1、参与国际化内容安全人审的规则、管理、质量平台建设,打造数据化、体系化和高效的人审系统; 2、持续优化产品体验、性能和稳定性,参与智能化人工审核端能力建设,打造极致审核体验; 3、深度参与业务审核人效和质量优化,用技术帮助业务提升; 4、参与全栈低代码平台建设,设计引擎优化,组件开发,自动化测试等; 5、建设研发一站式效能平台,通过数据化和自动化手段解决研发质量和效率问题; 6、基于Electron建设审核客户端,在音视频、网络、流程策略等不断提升能力上限。
本岗位负责美团全业务线的前端客户服务体系建设,致力于不断打造更优的服务体验,用科技提升体验,让服务更简单。我们的领域包括智能服务领域,人工服务领域,业务运营领域,数据可视化领域,通讯服务领域,近百系统共同形成服务体系,业务闭环。在这里可以和优秀的人一起建设行业Top的客户服务体系,打造业界最优的服务体验产品与工具。加入我们,你会负责以下多个方向: 1. 参与美团客户服务体系产品与工具的前端架构设计与开发落地,能够从体验、质量、性能、效率等多个维度持续优化产品; 2. 负责美团服务体验前端工程化工具的建设与迭代,并建立可量化的指标抓手,为系统保驾护航; 3. 深入了解美团服务体系内业务,能够根据业务特性与发展阶段做技术选型与技术演进; 4. 为其他工程师提供培训和指导,优化开发流程,保证代码质量。
特斯拉信息技术部门(工作地点:特斯拉上海超级工厂)正在招聘一名全职IT AI Platform 开发工程师,专注于构建和扩展下一代 AIOps与MLOps平台。随着人工智能技术在企业核心系统(尤其是GenAI平台)中的深入应用,亟需一位能够打通AI研发与生产部署之间壁垒的工程专家。该岗位将负责从模型训练、版本管理、自动化部署到高性能推理服务的完整MLOps体系建设,并主导构建支持本地GPU与云端LLM API融合的混合式推理网关平台,以实现低延迟、高吞吐的企业级AI服务能力。推动GenAI平台及未来AI服务落地的关键力量,将显著提升AI功能的交付效率与稳定性。 岗位职责: • 设计、构建和维护可扩展的 MLOps平台,实现AI模型从训练、版本控制、部署到监控的全生命周期管理。 • 基于 vLLM、TensorRT-LLM 、TGI 等框架,在大规模GPU集群上开发并优化大语言模型(LLM)推理流水线。 • 构建融合本地GPU模型与云上LLM API 的混合推理网关平台,实现智能路由、负载均衡与成本性能的优化。 • 搭建自动化 LLM微调(Fine-Tuning)流水线,支持LoRA、QLoRA等参数高效训练方法,涵盖数据预处理、分布式训练与检查点管理。 • 推动 RAG(检索增强生成)能力服务化(RAG-as-a-Service),集成并运维主流向量数据库(如 Pinecone、Milvus、Weaviate)。 • 通过 Prometheus、Grafana、OpenTelemetry 及自研监控方案,保障AI系统的可观测性与稳定性。 • 与AI科学家和应用工程师协作进行模型优化(量化、剪枝、蒸馏),提升推理效率与资源利用率。 • 支持 GenAI CN平台的高性能模型服务需求,确保低延迟、高并发的服务能力。 • 制定AI模型服务的关键性能指标(KPI)与服务等级协议(SLA),量化业务价值与系统表现。 • 使用 GitLab CI、Jenkins、ArgoCD 等工具实现AI工作流的CI/CD自动化,确保可复现性与可审计性。
职位描述 (Job Summary) 我们需要一位既懂业务又懂技术的复合型项目管理专家,负责主导公司供应链领域AI解决方案的落地交付。您将作为连接算法团队、工程团队与大型B端客户的关键桥梁,通过人工智能技术(如需求预测、智能调度、运筹优化等)解决客户供应链痛点,确保项目在预算、时间和质量范围内成功交付。 核心职责 (Key Responsibilities) 1. 项目全生命周期管理 (2B交付) 负责大型B端(To-B)AI项目的全流程管理,包括需求分析、方案制定、立项、开发迭代、测试上线及验收交付。 制定详细的项目计划,有效管理项目范围、进度、成本和质量,识别并规避项目风险。 管理客户预期,处理复杂的干系人关系,确保项目SOW(工作说明书)的承诺达成。 2. 业务与技术的转化 (供应链 + AI) 深入理解供应链业务场景(如:仓储WMS、运输TMS、需求计划、库存优化等),能敏锐捕捉业务痛点。 将模糊的业务需求转化为可落地的AI算法需求或工程开发任务,弥合业务人员与算法工程师之间的认知鸿沟。 评估AI模型在实际业务流中的可行性与价值,推动POC(概念验证)到规模化落地的转化。 3. 跨部门协同与流程优化 协调算法、后端、前端、产品及测试等多职能团队的协同工作。 沉淀供应链AI项目的最佳实践,优化项目管理流程,提升团队交付效率。