饿了么饿了么-商业化广告策略运营-到店餐饮业务
任职要求
1. 至少5年以上互联网或广告服务行业的广告运营实践经验，具备深厚的线上线下广告业务理解和实战技能。
2. 有本地生活服务平台广告运营经验，熟悉团购业务流量分发机制。
3. 强烈的数据敏感度与出色的分析能力，掌握使用数据分析工具解构数据，挖掘用户及市场洞察，以数据指导策略…工作职责
岗位职责：负责餐饮业务的商业化广告策略设计、付费商户通（装修等）、商业化考核及目标制定等。 1. 对餐饮行业有深入研究，分析餐饮行业产品和业务情况，定位行业核心问题，识别关键举措，推动广告产品的迭代和优化。 2. 深入了解商家运营，洞察商家问题，根据商家特征进行分层分类，搭建广告商户成长体系，整合不同资源和权益撬动商家进行广告深度合作。 3. 通过数据挖掘潜在的增长点，优化广告商家拉新策略并落地，设计线上化营销活动策略和实验，通过科学的实验方法迭代活动效果和收益。 4. 负责B端平台类广告产品运营，与产品、技术、销售等部门建立高效协作机制，推动落地。
1.理解本地生活领域各业务发展阶段与需求特性，引入优质服务商、品牌商家供给。建立规范化治理标准及数据指标体系，在保障数据安全合规、系统稳定运营的前提下优化商户履约线上化体验，助力业务提升商户覆盖率与渗透率，提升美团行业竞争力。 2.为服务商和品牌商产品能力对接效率和体验负责。基于平台定位和组织目标独立完成中大型项目实施，持续优化迭代风险处理、入驻申请、权限开放、开发测试、经营管理、合作运营全链路多样化能力，支撑内外部业务高效、高质量接入，持续打造稳定、可扩展的系统能力。 3.密切关注行业动态，积极探访内外部客户，共同发现问题、定义问题、解决问题。主动完成数据分析和场景洞察发现改善机会点，做好能力抽象及重要项目复盘总结，持续保持产品的竞争力与创新性。 4.探索服务市场、和联合售卖能力，提升合作中心收入及合作伙伴活跃度。将可合规开放核心技术能力与头部服务商专业能力进行深度融合与产品化封装，验证多元化商业合作模式及平台收入模型，建立相应的计费与结算机制，包括但不限于技术服务费、接口调用费、曝光广告费、线索佣金、付费订阅等形式。 5.构建良性服务商生态，兼顾治理与激励。制定平台产品能力推广策略及合作机制，维护合作关系。能够完成复杂跨组织沟通协调及资源整合，持续创造客户价值，建立平台影响力。
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。
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！ 工作职责： 1、参与/负责研发面向大语言模型(LLM)/多模态大模型(MLLM)等类型模型的推理服务框架； 2、参与/负责KV Router、PD分离/EPD分离、KVCache管理、动态PD调整等分布式推理能力建设； 3、通过并行计算优化、分布式架构优化、异构调度等多种框架技术，打造高效、易用、领先的AI推理框架； 4、参与/负责构建推理框架的系统容错能力，包括但不限于请求迁移、优雅退出、故障检测、自愈等能力建设； 5、深度参与周边深度学习系统多个子方向的工作，包括但不限于模型管理、推理部署、日志/监控、工作流编排等； 6、与全公司各业务算法部门深度合作，为重点项目进行算法与系统的联合优化，支撑业务目标达成。
中台稠密引擎组，是小红书负责建设通用深度学习训练推理引擎的团队，面向全公司LLM、多模态LLM、SD、传统CV&NLP等稠密计算型模型训练与推理的业务场景，打造高效、易用、业界领先的训练与推理引擎，为小红书社区、商业化、安全等众多业务方向提供先进的引擎能力，支撑业务持续提升训练推理效率、模型迭代效率与算法研发效率。 1、参与设计和实现深度学习后训练及微调的前沿算法（包括但不限于RFT、RLHF等），以适应多样化的业务场景； 2、结合业务数据和场景，评估选择最适合的微调算法，以支撑业务大语言模型（LLM）微调指标的提升； 3、与数据团队紧密合作，深入理解数据特性，参与设计实现数据提质算法引擎工具，产出高质量数据集提升模型微调效果； 4、与公司内各算法团队深度合作，参与或负责大语言模型、多模态大模型等业务场景的后训练端到端效果提升及落地； 5、密切关注业界 LLM 微调算法和数据提质领域的前沿论文，并整合新技术和算法到训练引擎中，提升框架的领先性；