字节跳动服务器装备测试/Diag 工程师

1、负责服务器产品的出厂测试能力建设，包括系统设计字节跳动服务器等产品的生产测试流程、总体测试方案、装备测试平台规划等； 2、制定、审核服务器供应商的L6及L10 Diag测试内容，优化测试流程，确保服务器出厂测试涵盖各功能模块，最大程度发现风险问题点； 3、负责建设针对服务器、板卡等硬件产品的装备测试/Diag自研能力，包括PCBA (L6)ICT测试及系统组装段(L10)的整机测试用例开发与程式开发； 4、负责ODM老化测试内容，输出针对字节跳动自主研发服务器的高可用老化测试方案，提升生产测试拦截能力； 5、全面看护字节跳动服务器等硬件产品的生产测试质量，分析L6、L10测试的质量数据和效率表现，跟进测试缺陷及Bug闭环，和供应商协作确保相应的测试效果和产能。

1、负责服务器产品的出厂测试能力建设，包括系统设计字节服务器等产品的生产测试流程、总体测试方案、装备测试平台规划等； 2、制定、审核服务器供应商的L6及L10 diag测试内容，优化测试流程，确保服务器出厂测试涵盖各功能模块，最大程度发现风险问题点； 3、负责建设针对服务器、板卡等硬件产品的装备测试/Diag自研能力，包括PCBA (L6) ICT测试及系统组装段 (L10)的整机测试用例开发与程式开发； 4、负责Review ODM老化测试内容，输出针对字节自研服务器的高可用老化测试方案，提升生产测试拦截能力； 5、全面看护字节服务器等硬件产品的生产测试质量，分析L6、L10测试的质量数据和效率表现，跟进测试缺陷及bug闭环，和供应商协作确保相应的测试效果和产能。

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】 作为公司统一的机器学习平台团队，负责调度公司所有模型训练与推理资源；基于自建的训推引擎，构建公司统一的机器学习平台，为公司所有算法同学（稀疏 & 稠密，含 LLM） 模型迭代提供端到端的一站式服务；包括 数据生产，模型训练，模型上线，特征管理，模型测试，资源管控等一系列能力。 【岗位职责】 1、负责机器学习链路，离在线数据相关的开发工作，包括样本数据、特征数据等的数据链路搭建、任务运维和调优、性能优化等 2、负责小红书大规模机器学习平台的后台系统设计和开发工作；包括样本平台，特征平台，训练平台，推理平台等AI应用后台建设等； 3、研究分析业内AI平台产品，优化技术方案，改进产品功能，完善产品体验。