阿里云阿里云智能-解决方案架构师 - GenAI (Hands-on / Engineering Focused)-Maas

您将作为阿里云MaaS平台及通义系列模型（Qwen/Wan）的核心技术专家。您的核心使命是通过技术硬实力，加速客户业务系统的AI化改造，直接带动模型Token消耗与业务价值产出。不同于传统的咨询顾问，这是一个强调工程落地与实战能力的岗位。您不仅需要设计架构，更需要深入代码层面，亲自通过构建原型（POC）、调试代码和优化算法，扫除客户接入大模型的工程障碍。 核心职责 1. AI解决方案设计与售前支持 • 与核心企业客户深度合作，精准洞察其业务目标，并基于阿里云MaaS平台，为其量身定制创新的AI解决方案。 • 主导并设计针对复杂应用场景的POC项目，包括但不限于：检索增强生成（RAG）、模型微调、多模态生成、以及基于智能体（Agent）的复杂系统。 • 全链路技术攻坚，针对RAG（检索增强生成）、Agent（智能体）构建、多模态交互等复杂场景，可以在AI的配合下进行现场演示。解决客户在向量数据库对接、Context Window管理、Prompt工程调优中遇到的实际工程难题。 • 负责将客户需求转化为稳健、可扩展且安全的架构设计，以支持AI Models在阿里云上的高效部署与管理。 2. 技术资产代码化 • 沉淀可运行的代码库：构建并维护高质量的Demo Code、SDK示例代码库（Repositories）和Jupyter Notebooks，让客户的开发人员可以“开箱即用”，而非仅提供PDF文档。 • 最佳实践工程化：将通义大模型在特定行业（如代码辅助、客服、内容生成）的最佳实践固化为可复用的解决方案包或自动化脚本。 3. 技术影响力与布道 (Technical Evangelism) • 开发者视角的沟通：具有能与客户的CXO级别对话的能力，更能与客户的一线架构师和开发者进行代码级交流。通过Live Coding演示、技术Workshop和Hackathon（黑客松），展示阿里云MaaS平台的极致易用性。 • 作为客户信赖的技术顾问，确保项目成功落地，并围绕模型生命周期管理、成本优化及安全合规等方面提供最佳实践。 • 产品反馈闭环：基于深度的应用开发体验，向阿里云产品研发团队（R&D）提供精准的API改进建议、SDK易用性反馈，直接推动产品技术迭代。

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。

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

【职位描述】 1、负责小红书搜广推多场景排序模型优化，提升时长、互动、留存等核心指标； 2、分析海量用户行为数据，挖掘用户兴趣，优化排序模型； 3、通过超大规模机器学习模型和系统，使用先进的排序算法优化推荐效果。