美团项目实习-到餐-软件开发（数据开发及工程开发）

THE ROLE 作为储能超级工厂产品成功下线前的关键工程师角色，储能测试工艺工程师将负责Megapack在装配区域的现场测试工艺管理与技术支持。你将深度参与从测试程序与设备导入、测试流程优化、测试问题分析与闭环，到测试良率持续提升的全过程。该岗位在研发、制造与质量三大职能之间扮演桥梁角色，要求对储能产品设计原理、生产工艺及测试技术有全面的理解。通过科学、系统、高效的测试手段，确保储能系统的性能、安全性与一致性，是储能系统在研发验证、量产导入、质量控制中不可或缺的技术力量。 RESPONSIBILITIES职责描述： 深入理解储能系统在电网、工商业、户用等不同应用场景下的测试需求； 熟悉锂电池、液流电池、超级电容等储能系统的测试原理与流程； 负责PCB电路板的功能测试流程，包括关键参数测试（如电压采集精度、信号传输稳定性、通讯接口功能等）； 参与储能系统核心模块（如BMS、PCS、系统集成）的测试工艺开发与优化； 掌握并应用电气测试、电池测试、热测试、性能测试等常见测试方法； 参与测试程序的开发、调试与优化，具备一定脚本或测试软件的使用经验； 熟练使用测试设备（如NI采集卡、可编程电源、示波器、功率分析仪、高精度万用表、负载设备等）； 熟悉常见通信协议（如CAN、LIN、I2C、以太网、RS232、GPIB）的应用与调试； 负责测试流程中的问题分析与跟踪，推动测试良率的持续提升； 配合跨职能团队（研发、制造、质量）协作，确保产品测试与交付质量。 REQUIREMENTS

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！ 工作职责： 1、参与/负责研发面向大语言模型(LLM)/多模态大模型(MLLM)等类型模型的推理服务框架； 2、参与/负责KV Router、PD分离/EPD分离、KVCache管理、动态PD调整等分布式推理能力建设； 3、通过并行计算优化、分布式架构优化、异构调度等多种框架技术，打造高效、易用、领先的AI推理框架； 4、参与/负责构建推理框架的系统容错能力，包括但不限于请求迁移、优雅退出、故障检测、自愈等能力建设； 5、深度参与周边深度学习系统多个子方向的工作，包括但不限于模型管理、推理部署、日志/监控、工作流编排等； 6、与全公司各业务算法部门深度合作，为重点项目进行算法与系统的联合优化，支撑业务目标达成。

【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。

中台稠密引擎组，是小红书负责建设通用深度学习训练推理引擎的团队，面向全公司LLM、多模态LLM、SD、传统CV&NLP等稠密计算型模型训练与推理的业务场景，打造高效、易用、业界领先的训练与推理引擎，为小红书社区、商业化、安全等众多业务方向提供先进的引擎能力，支撑业务持续提升训练推理效率、模型迭代效率与算法研发效率。 1、参与设计和实现深度学习后训练及微调的前沿算法（包括但不限于RFT、RLHF等），以适应多样化的业务场景； 2、结合业务数据和场景，评估选择最适合的微调算法，以支撑业务大语言模型（LLM）微调指标的提升； 3、与数据团队紧密合作，深入理解数据特性，参与设计实现数据提质算法引擎工具，产出高质量数据集提升模型微调效果； 4、与公司内各算法团队深度合作，参与或负责大语言模型、多模态大模型等业务场景的后训练端到端效果提升及落地； 5、密切关注业界 LLM 微调算法和数据提质领域的前沿论文，并整合新技术和算法到训练引擎中，提升框架的领先性；