得物搜索策略产品（购买力/流量生态）

1、负责搜索AI产品的用户运营，深入洞察用户全生命周期需求，策划并推动建立各种新的增长策略，提升搜索AI产品用户活跃、留存、召回、购买等各环节转化率，用户结构优化； 2、有淘宝生态用户运营经验，对商品导购有自己的见解和思考，熟练使用A/B测试，能结合消费者习惯、时令节气、营销玩法等，带动整体前台导购场景，提升流量转化效率； 3、基于围绕用户分层，通过营销、场景、玩法等手段，建议产品与用户的深度链接，增强用户粘性，培养用户主动来访心智； 4、能洞察用户痛点、分析用户数据、明确用户链路问题，制定分层的用户运营提升策略并推动落地；并对各种运营策略定期数据分析挖掘复盘，从数据中发现问题及时调整策略；

1、负责电商搜索流量生态方向产品工作，包括新品/爆品成长，结合业务场景，优化流量生态结构； 2、建设完善用户购买力画像，基于用户特征和搜索场景优化流量分发和调控策略，提升流量转化效率和业务指标； 3、协同用户、策略、行业团队，共同推动项目落地，达成产品目标。

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。

【职位介绍】 我们团队负责构建小红书推荐算法中台，提高内容分发效率，为海量用户提供极致的推荐体验。在这里，你将参与到推荐系统的全链路搭建和各类算法的研发，包括不限于大模型应用、多模态建模、深度学习、强化学习、迁移学习、表示学习、图学习等领域。我们希望对推荐、搜索、广告感兴趣的同学，加入我们一起研发世界一流的推荐引擎。 1. 负责推荐算法中台的全链路建设，抽象业务共性，敏捷高效支持各类推荐需求。 2. 负责业界先进推荐算法的研发和落地，包括但不限于大模型技术、多模态内容理解、召回算法、排序模型（粗精排）、长短期兴趣建模、多场景联合建模等。