vivoAI算法工程师 (智能体方向)- 26届蓝极星

vivo AI研究院致力于研发业界领先的人工智能技术，通过AI技术创新持续为全球5亿+vivo用户带来无处不在的惊喜和激动人心的智慧体验。 1、负责端侧智能体软件架构与算法落地，主要包括系统融合感知和意图识别等方向； 2、根据项目任务计划完成软件高质量编码工作，并对难点进行攻关； 3、持续优化AI系统架构质量，提升服务性能和稳定性； 4、建设和优化端侧AI能力开放体系，使能系统智能化。

vivo AI研究院致力于研发业界领先的人工智能技术，通过AI技术创新持续为全球5亿+vivo用户带来无处不在的惊喜和激动人心的智慧体验。 1、围绕多模态大模型的前沿研究，聚焦跨模态融合、知识推理与表达等核心问题，推动视觉、语音、文本等多模态智能体的理论和算法创新； 2、主导大模型端侧化与高效部署技术攻关，聚焦模型轻量化算法：量化、压缩、剪枝、蒸馏，以及模型推理加速、端侧模型训练等前沿课题，推动大模型在移动终端和边缘设备的实际落地； 3、深入探索强化学习与奖励模型的新范式，致力于提升泛化性和自学习能力，推动基于自博弈（Self-Play）的下一代智能体训练方法； 4、推动生成-理解统一建模、多模态世界模型构建等创新方向，实现虚拟与现实环境中的多模态交互与理解； 5、参与国际顶级学术会议/期刊论文发表，推动前沿技术在实际产品中的转化，提升公司在AI领域的学术与产业影响力。

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。

【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。