MEG 星海计划-生成式推荐框架训推优化工程师（J98067）
🤖 AI 估测：¥35K-65K
发布时间：22 天前
ℹ️关于这个职位
这是一个专注于商业广告场景下生成式推荐大模型工程化的高级技术岗位
你将负责从模型训练、推理优化到线上服务的端到端架构设计与落地，解决大规模模型在超长序列、显存优化等方面的工程瓶颈
你需要深度协同算法团队，将前沿推荐算法转化为高效的生产系统，并持续跟踪和落地AI领域的最新技术
✓工作职责
负责商业广告场景生成式推荐大模型的端到端架构设计与落地，覆盖从预训练/微调、推理到在线评估的全流程，搭建高可用、高扩展的模型工程架构，支撑商业广告场景的生成式技术创新
负责生成式模型的训练加速与推理优化攻关，深入应用 Transformer/DeepSpeed/FlashAttention/SMoe等前沿技术，解决超长序列、编译优化、显存优化等关键瓶颈，打造业界领先的高吞吐、高稳定训推平台
深度协同算法策略团队，将 CTR/CVR 预估、序列建模及多模态大模型等前沿算法转化为高效的生产系统，建立从“实验原型”到“线上服务”的快速迭代机制，解决复杂场景下的工程适配难题，显著提升策略迭代效率与商业变现能力
跟踪推荐系统、生成式 AI 及大模型领域的最前沿学术论文，负责工程优化和策略算法的评估、复现和落地
⭐最低要求
计算机、人工智能、数学等相关专业本科及以上学历
熟悉主流训练框架（PyTorch/TF/Paddle）、分布式训练架构（DeepSpeed/Megatron-LM）或者前沿训推加速技术（FlashAttention/PagedAttention/vLLM）
熟悉C++/Python/Linux/CUDA编程，具备GPU集群性能调优与问题诊断经验，能够独立解决内存、通信与计算瓶颈
熟悉搜索、广告、推荐系统领域，了解 CTR/CVR 预估、embedding技术、离散特征、序列化建模等技术
具备主动钻研新技术、学习能力强，对行业前沿的推荐、信息检索、生成式AI等技术动态有敏锐嗅觉，乐于探索、挑战难题并推动成果转化
具备良好的沟通与团队协作意识，责任心强，具备大型复杂业务背景下的项目推动与闭环能力
👍优先资格
博士学历或在 MLSys, SIGIR, KDD 等顶级会议有论文发表者优先