阿里云阿里云智能-解决方案架构师(内容审核方向)-模型商业发展
任职要求
1. 计算机相关专业本科及以上学历。 2. 熟悉大模型技术栈（如向量数据库、Prompt工程），了解主流框架（HuggingFace、LangChain、n8n等）。 3. 具备能力，能洞察产品市场机会、市场容量和竞争格局，捕捉机会，找到方向并能影响前线和产研快速推动落地。 4. 具备AI产品商业化思维，能敏锐捕捉客户痛点并提出技术驱动型…
工作职责
1. 大模型商机判断和深度技术交流： （1）赋能前端业务线/行业线，推动大模型场景业务快速拓展。 （2）作为大模型产品团队代表，支撑前线业务线开展商机判断和选择。 （3）针对复杂项目需求，协同前后团队与客户进行深度技术交流，促进商机转化，为结果负责。 2. 产品解决方案设计与规模推广： （1）支持行业/区域的市场洞察，理解行业客户的业务和功能性/非功能型需求，基于客户场景，提供有技术竞争力和成本优势的产品组合方案，并在产品选型/配置报价/招投标过程中， 提供技术支持。 （2）提炼具有客户价值的关键技术指标，形成领先控标项，在POC、winback等业务活动中落地验证。 （3）跟进产品方案的落地效果，持续优化产品方案。 （4）沉淀产品解决方案的最佳实践，通过项目实践总结标杆案例，加速产品方案规模化复制。 （5）探索创新产品的方案和场景，推动新产品快速市场覆盖。 3. 产品改进： （1）深入调研客户需求，将合理需求准确地反馈到产品研发团队，负责改进需求在产品中的实现效果验收，帮助部门大模型/智能化相关产品的持续发展。 4. 市场洞察： （1）洞察产品的市场机会、市场容量和竞争格局，捕捉机会，找到方向并能影响前线和产研快速推动落地.
团队介绍：广告业务原为商业产品与技术部门，为抖音集团的商业变现提供广告产品与技术，负责端到端大型广告系统建设，覆盖抖音、今日头条、西瓜视频、番茄小说、穿山甲等产品矩阵，践行"激发生意新可能"理念，致力于让营销更省心、更高效、更美好，推动商业的可持续增长，让不分体量、地域的企业及个体，都能通过数字化技术激发创造、驱动生意。连接广告主、用户及生态伙伴、成为开放共赢的全球最佳智能营销平台之一。在这里，你将投身建设面向未来的数字营销能力，接触到全球先进的商业产品架构、模型和算法，在互联网广告行业始终创新。 课题背景： 随着人工智能技术的快速发展，大模型技术在交易与广告场景中的应用日益广泛，已成为推动行业创新和效率提升的重要驱动力。大模型凭借其强大的学习能力和泛化性能，在多个领域展现出显著优势。例如，推荐大模型能够精准捕捉用户偏好，提升个性化推荐效果；AIGC（AI-Generated Content）技术可用于广告创意、商品图片和视频生成，大幅降低创作成本并提升内容质量；广告投放诊断系统和诊断助手帮助优化投放策略；智能客服、影片智能剪辑、智能导购、大模型审核、用户序列建模以及多模态广告和用户理解等应用，则通过自然语言处理、多模态数据融合等技术，提升用户体验和业务效率。 然而，交易与广告场景对大模型系统的要求极高，不仅需要模型具备出色的精度和泛化能力，还需在实时性、稳定性、可扩展性等方面满足严苛标准。特别是在大规模分布式训练、推理加速、异构硬件支持、多模态数据处理以及系统集成等方面，存在诸多技术难点。因此，针对交易与广告场景研发和优化大模型系统，不仅是人工智能技术发展的前沿方向，也是行业应用的迫切需求。本课题旨在通过系统和工程领域的深入研究，突破关键技术瓶颈，构建高效、稳定、可扩展的大模型解决方案，为交易与广告场景提供强有力的技术支撑。 课题挑战： 1、大规模分布式训练加速：大模型训练需处理海量数据和高复杂度计算，导致训练耗时长、资源需求大。如何优化分布式训练架构，提升数据并行、模型并行和流水线并行的效率，是首要技术难题。 2、推理加速和性能优化：交易与广告场景对实时性要求极高，如广告投放需毫秒级决策。如何在资源受限环境下通过模型压缩和推理引擎优化实现快速推理，是关键挑战。 3、异构硬件支持：大模型需适配多种硬件平台。如何实现高效部署和负载均衡，确保跨硬件精度一致性和高性能，是技术难点。 4、编译优化：编译优化是过程复杂，如何开发高效编译器，优化长尾/灵活模型或结构在不同Accelerator执行效率并减少延迟，是亟待解决的问题。 5、Agent工程：智能客服和导购等应用需构建自主决策的AI Agent。如何设计高效的Agent系统，支持复杂任务执行，是前沿挑战。 6、强化学习框架：强化学习在广告投放优化等场景中潜力巨大。如何构建高效框架，支持大规模环境训练和推理，是研究难点。 课题内容： 1、大规模分布式训练加速技术 1）研究数据并行、模型并行和混合并行算法，优化训练效率； 2）开发自适应负载均衡机制，减少资源浪费； 3）探索梯度压缩和通信优化技术，降低网络开销； 2、推理加速与性能优化方法 1）研究模型压缩技术（如量化、剪枝），减小模型体积； 2）开发高效推理引擎，支持批量推理和异步处理； 3）针对不同Accelerator的架构加速推理过程； 3、异构硬件支持与优化 1）设计通用部署框架，支持多硬件无缝集成； 2）开发硬件感知调度算法，优化任务分配； 3）研究跨硬件模型迁移技术，确保精度一致； 4、编译优化技术 1）深入优化模型编译器，优化长尾场景的计算开销； 2）研究图优化和算子融合技术，减少计算开销； 3）探索动态优化方法，提升运行时效率； 5、Agent工程与实现 1）设计模块化Agent架构，支持任务分解和决策； 2）开发多模态交互技术，提升用户体验； 3）研究Agent训练与评估方法，优化复杂场景性能； 6、强化学习框架构建 1）开发高效强化学习算法，支持多智能体协作； 2）针对交易与广告场景的训练场景优化训练速度，提升迭代效率； 3）探索强化学习在广告投放中的应用，提升决策效果。
1. 深入理解业务需求，能在内容、作者、评论等多个治理方向上有效沟通、协调和细化需求，推动技术方案在复杂业务场景下的落地与持续优化。 2. 主导生态治理系统的架构演进，积极引入前沿技术与创新策略，构建高效、可靠、智能化的内容治理体系，提升系统整体能力与业务价值。 3. 积极总结和输出实践经验，负责指导和培养团队初级工程师，促进团队技术能力提升与共同成长。
1. 深入理解业务需求，能在内容、作者、评论等多个治理方向上，有效沟通、协调和细化需求，并能推进技术方案在复杂场景下的实施。 2. 主导生态治理系统的架构演进，通过引入先进的技术策略和创新解决方案，以构建高效、可靠、智能化的生态治理体系。 3. 积极输出实践经验，负责指导和培养团队初阶工程师，以促进团队成员共同进步。
1. 参与面向亿级用户和千万级流量的广告平台/广告引擎的系统架构、核心功能开发、工程优化与稳定性保障； 2. 推动AI在广告系统中的深度应用，包括个性化投放、智能创意生成（AIGC）、内容审核与推荐等模块的工程实现和性能提升； 3. 主导高可靠、高精度的广告计费/结算子系统研发，确保交易链路的准确性、数据一致性与高并发处理能力； 4. 设计并持续优化广告流量反作弊、异常监测与风控体系，支持实时攻击防御与灰产行为识别，提升平台安全水平； 5. 联合算法团队推动广告CTR/CVR预估、用户行为建模、内容理解等模型上线、服务化部署及效果监控； 6. 构建高效稳定的广告数据流和特征管理系统，支持线上实时计算、批量数据处理、特征提取与回流； 7. 建设完备的系统监控、告警、日志、安全与自动化测试等工程支持体系，保障广告系统全链路高可用与可观测性； 8. 关注业界前沿技术和最佳实践，将创新方案转化为商业价值，积极参与跨团队协作推动项目落地。