小米多模态大模型智能体算法实习工程师
任职要求
1. 计算机科学、人工智能、电子工程等相关专业在读硕士/博士研究生，博士优先
2. 在以下至少一个方向有扎实的研究基础：
- 多模态大模型（LLM/VLM/MLLM）
- 计算机视觉（检测、分割、视觉理解）
- 智能体（Agent、规划、决策、强化学习）
3. 熟练掌握 Python 及主流深度学习框…工作职责
1. 学术成果转化：将公司在多模态大模型、视觉理解、智能体等方向的技术积累整理为高质量学术论文（顶会/顶刊）及发明专利
2. 预研探索：跟踪前沿进展，在以下一个或多个方向开展预研工作：
- 目标检测与视觉感知（2D/3D 检测、分割、跟踪）
- 多模态视觉理解（VLM、图文推理、视觉问答）
- 智能体规划与决策（Agent Planning、Tool Use、多步推理）
3. 原型验证：设计并实现算法原型，完成实验评估与技术报告撰写
4. 技术协作：与工程团队协同，推动预研成果在产品中的落地验证
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。
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。
1、负责并参与快手用户增长部门推荐架构开发工作，支撑高并发系统的架构设计与升级； 2、参与大规模分布式训练、推理、召回等CPU、内存密集型服务优化工作，参与样本、特征工程能力建设； 3、参与增长推荐业务全链路服务建设工作，与算法紧密合作获得线上业务收益； 4、参与问题追踪、系统抽象重构、业务提效等复杂单点问题、系统化问题的解决与实现。
1、参与亿级用户规模的本地生活搜索优化，负责迭代到店业务搜索算法，包括到餐、到综、酒旅等，提升点击率、转化率等核心指标，提升用户在快手的本地生活搜索购物体验，促进生态良性发展； 2、参与机器学习与深度学习算法的核心研发工作，对本地生活搜索全链路进行建模优化，包括但不限于召回、相关性、粗排、精排、机制等方面，深度进行序列建模、迁移学习、强化学习、对比学习、多模态大模型等的算法和系统研发； 3、针对海量用户行为数据，提供基于分布式计算的算法解决方案，大幅提升算法计算规模和性能； 4、深入思考产品业务价值，参与制定及落实团队在技术、业务等多维度发展方向。