盒马盒马-开发选址专家-西北

1、根据公司开发战略需求，制定开店网络规划及新店开发策略； 2、店面选址的商务谈判，合同签订及后续合同变更等事宜；负责合同的商务谈判，确认房屋合法性及工程条件，避免法律风险 3、深入了解公司战略，能很快推动新业务推出，也能根据业务转型及时调整执行策略； 4、对内部Setup的设计、机电、工程有很强的协调引导能力，快速找到问题解决问题； 5、为门店后期运营解决各种关于业主的疑难问题

1、负责目标城市的新店开发、选址、评估、面谈等相关工作； 2、定期对市场进行摸排，确定优质的选址目标区域，并进行初期的沟通洽谈； 3、及时掌握辖区内商业出租状态及同行选址扩张状态； 4、拓宽商业选址的信息渠道，收集合适商圈的准确信息； 5、维护现有的商务合作关系； 6、公司所部署的其他相关工作等。

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。

【业务介绍】 作为公司统一的机器学习平台团队，负责调度公司所有模型训练与推理资源；基于自建的训推引擎，构建公司统一的机器学习平台，为公司所有算法同学（稀疏 & 稠密，含 LLM） 模型迭代提供端到端的一站式服务；包括 数据生产，模型训练，模型上线，特征管理，模型测试，资源管控等一系列能力。 【岗位职责】 1、负责机器学习链路，离在线数据相关的开发工作，包括样本数据、特征数据等的数据链路搭建、任务运维和调优、性能优化等 2、负责小红书大规模机器学习平台的后台系统设计和开发工作；包括样本平台，特征平台，训练平台，推理平台等AI应用后台建设等； 3、研究分析业内AI平台产品，优化技术方案，改进产品功能，完善产品体验。