钉钉钉钉-服务端AI研发工程师-智能OA

1. AI能力研发：主导钉钉低代码AI领域的架构设计与AI研发工作，整合大模型和AI技术，赋能低代码平台，提升应用搭建的智能化水平。同时，构建钉钉低代码业务应用小模型，增强低代码应用的智能性，推动钉钉低代码AI的商业化进程 2. 数据与算法工程化：深入分析钉钉低代码应用的结构化数据、业务场景及系统日志，构建钉钉低代码业务领域的数据模型，实现钉钉低代码业务领域轻量化模型架构。通过AI技术推动钉钉低代码业务与技术能力的创新与发展，构建智能化的低代码模型 3. 服务端架构开发：构建高并发、高可用的服务端系统，支持AI模型的在线推理与实时响应，保障企业级业务稳定性 4. 跨团队协作：从商业视角看问题，并协调相关方合作，与产品经理、前端工程师、算法专家协同，将AI能力深度集成到钉钉低代码和智能OA产品中，实现业务价值

- 面向公司内部视频智能剪辑工具的端到端研发：React/TypeScript 前端（时间线与轨道、剪切/拼接、转场/滤镜、字幕/音频波形、素材管理）、Java/Spring Boot 后端（转码/合成任务编排、权限与审核、导出/发布流水线），覆盖需求评审、API 设计、数据建模与上线运维全流程； - 参与/主导系统与架构设计：领域建模与边界划分、模块/插件化与扩展点设计、BFF/微服务拆分、任务队列与异步处理、幂等与重试、存储与缓存策略、对象存储/CDN/搜索等基础设施建设；针对音视频场景进行技术选型（FFmpeg、Media APIs、WebAssembly/WebCodecs/WebGL 等）； - 负责前端技术方案与工程化：组件化与状态管理、复杂交互与性能优化（虚拟化时间线、渐进渲染、分片加载、Worker/OffscreenCanvas）、构建提速与包体积治理、可访问性与可用性体验； - 推动代码质量与可靠性：编码规范与 Code Review、单元/集成/E2E 测试、契约测试、静态检查与类型约束、异常与容错策略、性能与稳定性指标（如导出成功率、端到端耗时、Core Web Vitals、99.9% 可用性）； - 持续完善可观测性与运维：日志/指标/链路追踪（OpenTelemetry）、错误告警、容量评估与弹性扩缩、灰度发布与快速回滚；构建用于多媒体处理的任务监控与可视化面板； - 工程效率与 AI 助力：熟练使用 Cursor 等 AI 开发工具进行跨文件重构、目标化编辑、测试/文档生成与方案验证，沉淀提示词与使用规范，提升交付效率与一致性； - 与产品、设计、算法/多媒体与运维团队高效协作，按期高质量交付。

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。