阿里巴巴算法工程师（搜索/推荐/广告/用增/运筹优化/风控/金融）-Bravo102 实习生计划
任职要求
职位要求 1、对机器学习、深度学习、强化学习、自然语言处理、计算机视觉、运筹优化等相关领域有研究，有扎实的理论基础和实践经验。 2、扎实的数学基础，熟悉概率统计、线性代数、优化理论等核心知识。 3、较强的工程实现能力，熟练掌握Java/C++/Python中至少一门语言，熟悉Tensorflow/Pytorch至少一种主流机器学习框架。 4、自驱力强，对技术有热情，主动关注追踪人工智能前…
工作职责
Bravo 102是由阿里国际技术全团队共同发起的全球顶尖技术人才孵化计划，打破传统人才选拔及培养框架，为有志于走向AI未来的技术新锐们，提供“你行你上+我要我来”的双向奔赴式的实习机会选择。 在这里，“我”将不被岗位定义，以能力选择业务战场，与全球顶尖团队并肩作战，沉浸式体验全球多元化业务战场与亿级流量高并发系统。 加入我们，成为AIDC首批102位Bravo Talent，一起掌舵AI，为我们的未来Bravo！ 关于我们： 阿里巴巴国际技术专注于提供卓越的数字零售技术服务，以支持阿里巴巴旗下多个国际化电商平台。我们致力于将最前沿的人工智能技术与国际化电商业务问题深度结合，为全球消费者打造更方便快捷更智能化的购物体验，同时帮助广大商家实现更高效的经营。 我们的技术领域覆盖搜索推荐广告技术、用增技术、供应链技术、机器学习、自然语言处理、计算机视觉、大模型技术、风控、金融服务等诸多方向，实习生有机会参与多算法团队轮岗，深度参与前瞻性技术攻坚，探索兴趣赛道并锚定职业发展方向； 欢迎加入我们一起打造最先进的数字化及人工智能技术以驱动全球电商业务发展。 以下工作内容你均有可能参与： 1、参与并负责搜索、推荐算法研发，提升全球30+种语言的搜索精准性和国家差异化个性化推荐体验。 2、参与并负责广告算法研发，提升全域流量广告流量变现效率，通过竞价及投放优化、素材生成等提升商家投放效率。 3、参与并负责用增算法的研发，提升电商获客效率，建设优化个性化外投广告、个性化触达消息、个性化权益补贴等算法能力。 4、参与并负责供应链算法和定价算法的研发，优化库存周转和订单履约的效率和损益，提升销量预测、时效预测和定价算法的准确性，进而实现零售经营的降本增效。 5、参与研发生成式 AI、AI Agent 等前沿技术，推动生成式AI在国际电商领域的创新应用。 6、参与风控算法的研发，理解和识别跨国别差异化的商品合规、账户安全、交易安全和反欺诈、营销反作弊等多个领域的潜在风险，并持续优化，维护平台的健康生态。
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。