阿里巴巴业务技术-AI 前端高级研发工程师-淘宝百亿补贴 & 聚划算
任职要求
1. 计算机相关专业本科及以上学历，2 年以上互联网全栈研发经验，头部企业（如电商/B 端系统领域）稳定性经验优先； 2. 精通 JavaScript/TypeScript，掌握 React/Vue 等主流框架原理（如 Diff 算法、响应式系统），熟悉模块化开发与微前端架构； 3. 具备工程化落地能力，熟练使用 Webpack/Vite 等构建工具，有 CI/CD、自动化测试或性能监控体系建设经验； 4. 熟悉跨端开发模式（含小程序/跨平台框架），能解决复杂场景下的多端兼容与性能瓶颈问题； 5. 对 AI 等前沿技术有浓厚兴趣，且有相关实操经验（如结合前端实现 AIGC 交互或模型集成），或参与过 MLOps、低代码平台建设者优先（具备以下一项或多项经验者优先）； ○ 参与过 AI Agent 系统的设计与开发（如 LangChain、AutoGPT、Transformers Agents 等框架）； …
工作职责
团队介绍： 百亿补贴与聚划算，是淘天集团面向价格敏感用户和品牌商家的核心营销阵地，也是我们直面市场竞争最前沿的“主战场”。我们不断“刷新”技术能力，通过半托管、竞价和补贴系统的建设，支撑百亿补贴成为淘天过去三年里增长最快的业务。每天数千万用户在我们的场域完成“信任 - 比价 - 决策 - 下单”，背后是亿级流量、毫秒级响应、强一致性与极致稳定性的工程挑战。 当前，我们也正在用 AI 重构整个运营流程：从超链半托管、招商审核，到补贴，全面推动从“人工配置”向“AI 自治”演进。同时，我们也正积极探索 AI 对全栈研发流程的深度重构 —— 从需求分析、接口设计、代码生成，到测试验证与部署上线，逐步构建端到端的 AI 原生开发范式。 这里，是 AI 在电商营销场景落地的真实试验田，也是 AI 重塑软件工程本身的创新前沿。 我们正在做什么？ ● 构建淘天核心营销引擎，支撑百亿补贴 & 聚划算高 DAU、高转化的导购与用户增长系统； ● 构建高可用、低延迟、强一致的风控与补贴系统，确保每一分补贴精准触达真实用户； ● 打造智能供给治理体系，实现全网低价标品的自动化组织与超链售卖； ● 通过 AI 重构运营三大核心流程：超链 → 审核 → 补贴，打造端到端的 AI 原生运营闭环，实现“人力与规则驱动”到“模型驱动”的效率跃迁； ● 通过 AI 重构传统研发流程，打造从 需求文档 → 架构设计 → 代码生成 → 测试覆盖 → 发布上线 的端到端 AI 原生全栈交付流水线。 加入我们，你将： 1. 负责电商核心业务系统的全栈研发，主导复杂功能模块的设计与优化，结合 AI 技术提升用户体验与系统效能； 2. 参与高并发、高可用的电商场景技术方案设计，支持业务大促与商家运营平台的稳定性保障； 3. 探索 AI 工具在前端开发中的应用，如智能交互、自动化测试或低代码平台建设，推动技术效率提升； 4. 搭建前端工程化体系，优化构建流程与性能指标（如首屏加载、交互延迟），确保多端（H5/小程序/原生）兼容性与一致性； 5. 联动产品、设计及后端团队，推进技术方案落地，通过数据驱动持续优化业务关键指标。
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。
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。
大模型具备很强的泛化及理解世界能力，在小红书内的众多生产场景遍地开花，大模型的训练和部署已成为许多算法工程师的日常。在多团队、多业务频繁使用的大规模GPU集群上，如何能够通过高效的GPU调度策略，使大家不仅能丝滑地完成训练及部署任务，同时也能充分激发大规模GPU集群的效能，是行业公认的关键挑战。在这里，你可以聚焦LLM场景，接触到超大规模GPU集群，并使用真实负载数据进行深入分析及技术探索。欢迎加入我们，一起探索领先技术改变世界！ 工作职责： 1、负责万卡规模GPU集群效能分析及优化，通过调度策略优化、在离线混部、集群调度、GPU虚拟化、故障快速恢复、存储&网络加速等手段，提升大规模GPU集群的整体使用效率。 2、负责构建面向大模型训练、微调、推理、部署全流程LLMOps，与下游云原生平台深度融合，支撑大模型在公司内各业务生产链路稳定高效地落地。 3、持续关注业界最新的GPU资源调度相关技术动态，探索建设业界领先的资源调度策略及方法，构建下一代大规模AI资源调度系统。