哈啰融合定位算法开发工程师
任职要求
1、学历与专业背景：硕士及以上学历，计算机、自动化、导航工程、测绘等相关专业优先，接受本科（需3年以上相关经验）。 2、技术能力： 2-1、算法基础：精通卡尔曼滤波、粒子滤波、非线性优化理论，熟悉SLAM/VIO框架（如ORB-SLAM、VINS）及开源工具（GTSAM、Ceres）。 2-2、编程技能：熟练掌握C++/Python，熟悉ROS/APOLLO框架，具备嵌入式系统开发经验（如Linux/QNX）…
工作职责
1、多传感器融合定位算法开发。研发基于GPS、IMU、激光雷达、摄像头等多传感器的融合定位算法，设计实时定位框架（如SLAM、VIO），优化高精度地图与传感器数据的时空对齐与融合策略，提升复杂场景（如隧道、城市峡谷）下的定位鲁棒性。 2、高精度定位算法优化与评测。针对量产需求，开发低成本的车规级定位模块，优化卡尔曼滤波、粒子滤波、图优化等算法性能，解决定位漂移、极端天气下的失效问题，并通过仿真工具（如CARLA）和实车测试验证算法精度与实时性。 3、复杂场景定位解决方案设计。研究多传感器联合标定与质检算法，开发动态环境下的自适应定位策略，例如结合语义地图或深度学习模型（如BEV感知）增强定位系统的场景理解能力。 4、系统集成与功能安全适配。与感知、规划控制团队协作，完成定位模块的嵌入式部署（如TensorRT加速），确保算法符合功能安全标准（ISO 26262），并支持量产项目中的调试与迭代优化。
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。
1、参与快手大规模深度学习推理框架的研发与优化，保障在线系统的高可用/高并发，为快手搜索数亿用户提供高效稳定的算力输出； 2、负责快手搜索模型推理优化工作，优化模型推理性能，高吞吐低延时支撑模型推理服务； 3、 支持大模型在搜索场景落地的相关模型优化，包括不局限于AI检索，Query改写等。
1、参与快手搜索引擎研发工作，服务数亿海量用户； 2、参与搜索引擎核心架构设计与开发，涵盖的方向包括： （1）负责前沿ANN算法与引擎的研发，实现大容量、高吞吐、高精度、低成本的向量检索引擎，持续构建业界领先的技术能力； （2）负责自研百亿规模的视频、网页，商品等多类资源的检索系统研发，包括且不限于高效的建库系统，高性能的检索引擎； （3）面向搜广推业务，建设统一的检索平台，有机融合ANN，倒排等多类检索引擎，提供极致效率的建库，服务，运维体验。 3、探索AI检索新技术、新思想的应用和落地。
-负责落地LLM在内容理解场景中的应用，负责文本内容理解与审核场景端到端效果优化与提升 -重点研究以小尺寸大语言模型相关的技术，包括但不限于数据建设、指令微调、模型优化、模型蒸馏等 -提升数据构建合成、模型推理等能力；构建大小模型融合的推理系统，提升模型在理解与审核场景中的效果 -持续探索跟进学术与业界前沿进展，探索包括但不限于CoT、RAG、强化学习微调等能力并落地