北京搜狐新媒体信息技术有限公司

岗位职责： 1. 生成式推荐推理优化：参与生成式推荐系统的推理引擎研发与性能优化，基于 vLLM、SGLang 等推理框架，优化推理吞吐、延迟、显存利用率及服务稳定性。 2. 模型训练加速：参与生成式推荐模型的 Pre-training、SFT、RL 等训练流程优化，提升训练效率、GPU 利用率及分布式训练性能。 3. 推荐算法研究：参与生成式推荐与传统推荐系统相关技术研发，探索生成式建模、序列建模、召回与排序等技术。 4. 分布式系统优化：参与多机多卡训练与推理优化，探索并行策略、显存管理、通信优化及任务调度。 5. 基础设施建设：参与 GPU 训练集群及推理服务基础设施建设，优化任务调度、资源管理、部署运维及监控体系。 6. 前沿技术探索：跟进大模型、生成式推荐及 AI Infra 前沿技术，开展技术创新与研究，推动研究成果落地。 任职要求： 1. 计算机、人工智能、软件工程等相关专业，本科及以上学历，硕士、博士优先。 2. 熟悉 Python、PyTorch 等深度学习开发框架，具备良好的编程能力和工程实践能力。 3. 了解 vLLM、SGLang 等大模型推理框架，熟悉推理引擎基本架构及常见性能优化技术。 4. 了解生成式推荐或传统推荐系统，熟悉 Transformer、序列推荐、召回、排序等基本技术。 5. 具备大模型训练相关经验，了解或实践过 Pre-training、SFT、RL 等训练范式。 6. 具备较强的论文阅读、技术调研、问题抽象和实验设计能力，能够独立发现问题并提出创新性解决方案。 7. 具备科研写作能力，有潜力将技术研究成果整理为学术论文，并参与高水平学术会议投稿与发表。 加分项： 1. 有 vLLM、SGLang 等推理框架源码阅读、二次开发或性能优化经验。 2. 有生成式推荐、序列推荐或大规模推荐系统相关项目经验。 3. 有大模型 Pre-training、SFT、RLHF、GRPO 等实际训练经验。 4. 有 NeurIPS、ICML、ICLR、KDD、MLSys 等相关领域论文研究或投稿经历。 5. 有开源项目贡献、技术创新成果或大规模模型训练与推理优化经验。 我们希望你： - 对大模型与推荐系统的结合有强烈兴趣，愿意深入研究算法与系统底层。 - 不满足于调用现有框架，愿意阅读源码、分析性能瓶颈并推动优化落地。 - 具备较强的独立研究能力，能够从技术问题出发，完成方案设计、实验验证和成果总结。 - 对学术研究和技术创新有热情，有意愿产出并发表高水平学术论文。