荣耀机器学习平台研发工程师
任职要求
1. 计算机基础知识良好，熟悉Java/Python/C++之一，对机器学习感兴趣； 2. 具有主流深度学习引擎和大数据计算引擎（包括但不限TensorFlow/PyTorch、Spark/Flink、…
工作职责
1、负责公司级机器学习平台MLOps 的研发，从机器学习系统、云原生、云计算架构等多个层面进行技术探索和攻坚，实现高性能、高资源利用率的高性能机器学习平台； 2、设计和实现机器学习相关的基础设施/算法框架/工具链等，并推动落地到业务中； 3、覆盖机器学习系统多个子方向领域的工作，包括：资源调度、任务编排、模型训练、模型推理、特征平台、工作流编排等； 4、负责机器学习系统前瞻技术的调研和引入，比如：硬件架构、异构计算系统、GPU 优化技术的引入落地；
【业务介绍】 我们是小红书内稠密类模型（LLM/MLLM/SD/CV/NLP）统一的AI平台QuickSilver，负责调度公司内所有稠密类模型训练与推理资源，基于自建的训推引擎，为公司所有AI算法同学迭代业务模型提供端到端一站式AI服务；包括数据管理，模型管理，模型训练、压缩、推理、部署，服务管理，资源调度等一系列能力。 工作职责： 1、负责稠密类模型训练推理开发平台的架构设计和核心功能研发 2、设计和实现大模型训练部署流程，包括模型fine-tuning、推理服务化等 3、构建云原生架构，设计高可用、高性能的微服务体系 4、优化平台性能，提升系统稳定性和可扩展性
1、负责模型训练平台核心功能开发和架构设计，包括传统CN/NLP/SD/LLM等多场景支持 2、负责大模型后训练工具平台化建设，包括后预训练、微调、对齐等技术落地 3、设计和实现高性能分布式训练系统，打造端到端训练解决方案 4、优化训练调度和资源管理，提升集群利用率和训练效率 5、开发模型训练监控诊断工具，建设可观测性体系
1、深入快手支付业务场景，参与支付用户增长、支付渠道推荐、流量分发、保险业务等场景的算法研发，提升快手支付业务用户增长和平台营收； 2、负责支付业务各算法场景的技术攻关，参与机器学习、深度学习领域的核心研发工作，包括但不限于神经网络模型的设计与优化，营销uplift模型、归因模型等的算法和系统研发； 3、针对快手平台海量用户行为和画像数据，结合支付业务约束和诉求，设计针对性的多目标优化策略、运筹优化策略和推荐策略，提升用户转化效率。
-角色和剧本模型训练：优化角色和剧本类大模型的行为策略、长期记忆管理和多模态交互能力，突破角色行为一致性、情感表达合理性等技术瓶颈 -前沿探索：研究人格化模型在情感计算、社会常识推理等方向的突破，定义 AI 角色从「功能执行」到「人格化陪伴」的技术范式 -极致性能优化：大规模模型的分布式训练优化，提升角色类模型的推理效率与资源利用率，指令微调、偏好对齐、数据增强等技术的场景化创新 -规模增长：通过传统搜索、信息流等途径结合用户分析进行产品用户规模增长