小米生态链内控BP实习生

1、参与生态链业务的全面内控体系建设工作，识别关键风险点，规范业务流程、制度，完善内控体系； 2、对生态链业务的财务管理、运营管理及业务操作的合规性进行监督及检查，针对存在的问题督促落实整改； 3、参与推动生态链业务内控环境建设，客观评价各业务单元的内控现状并持续推动改进； 4、推动内控体系建设、完成内控测试，完善公司制度、业务流程，维护更新控制矩阵； 5、参与专项内控项目、参与风险排查、与案件调查； 6、进行内控风险提示，组织推动内控缺陷整改。

大模型具备很强的泛化及理解世界能力，在小红书内的众多生产场景遍地开花，大模型的训练和部署已成为许多算法工程师的日常。在多团队、多业务频繁使用的大规模GPU集群上，如何能够通过高效的GPU调度策略，使大家不仅能丝滑地完成训练及部署任务，同时也能充分激发大规模GPU集群的效能，是行业公认的关键挑战。在这里，你可以聚焦LLM场景，接触到超大规模GPU集群，并使用真实负载数据进行深入分析及技术探索。欢迎加入我们，一起探索领先技术改变世界！ 工作职责： 1、负责万卡规模GPU集群效能分析及优化，通过调度策略优化、在离线混部、集群调度、GPU虚拟化、故障快速恢复、存储&网络加速等手段，提升大规模GPU集群的整体使用效率。 2、负责构建面向大模型训练、微调、推理、部署全流程LLMOps，与下游云原生平台深度融合，支撑大模型在公司内各业务生产链路稳定高效地落地。 3、持续关注业界最新的GPU资源调度相关技术动态，探索建设业界领先的资源调度策略及方法，构建下一代大规模AI资源调度系统。

1. 负责万亿级别QPS的分布式缓存/存储集群，支撑公司所有产品线的业务需求； 2. 设计、研发高可用、高性能的缓存/存储架构和中间件，应对弹性扩缩容，秒级故障自动切换，异地多活，分布式事务等极具挑战性的工作内容和方向； 3. 优化系统性能，深入内核，提升基础服务相关资源的使用率，增加系统稳定性，保障业务运行； 4. 设计并研发自动化运维平台，提升运维质量和效率，探索运维自动化和智能化技术和方向。

1、负责贝壳C端的后端服务设计与开发，保障高并发场景下的系统稳定性； 2、能够理解和分析产品需求，给出合理的技术方案和开发计划; 3、关注性能、微服务、设计模式，提升用户体验