【2027校招】大模型 Infra 工程师

团队介绍

我们是小红书大模型基建部（RAI Studio），负责公司级 AI 大模型全链路基础设施建设。我们围绕「算力 - 框架 - 平台」三层体系，提供从大模型训练、压缩、部署、在离线服务到Agent构建发布的标准化能力，以解决大模型生产及应用过程中的效率、成本、稳定性和规模化交付问题。我们构建了 Relax RL 开源训练框架、RedSlim 模型压缩工具、rLLM 推理部署框架、以及大模型训练、部署、MaaS、Agent等平台设施，持续支撑社区、大商业、国际化、审核、企业智能等小红书核心业务的大模型落地。在这里，你会面对千卡级后训练、高并发推理、EPD 分离与 KV Cache 复用、低比特模型量化、国产异构芯片性能优化、万卡级 GPU 调度等真实业务的大规模 AI Infra 挑战。在这里你可以选择在训练、推理或模型压缩方向深耕，也可以参与跨方向系统设计，成长为真正理解大模型全链路的 AI Infra 工程师。团队持续参与开源与行业技术交流，期待有志于构建生产级 Infra 能力并持续提升个人行业影响力的优秀同学加入。

工作职责：

1、训练与推理框架研发： 参与 Relax RL 后训练框架和 rLLM 推理框架的核心研发，支撑 LLM、MLLM、Agent、DiT 等模型的高效训练与高性能在线推理；可根据个人专长重点负责训练、推理或模型压缩方向。

2、RL Pipeline 与分布式训练优化： 支持 SFT、DPO、PPO、GRPO、RLVR 等主流后训练范式，优化 Rollout、Reward Model、Actor、Reference Model 等模块间的资源调度与动态协同，并结合 TP / PP / DP / ZeRO / Sequence Parallel 等并行策略提升端到端训练吞吐。

3、分布式推理与服务架构建设： 建设 KV Router、PD 分离 / EPD 分离、KV Cache 管理、Prefix Cache 复用、Continuous Batching、动态请求调度等核心能力，持续提升 TTFT、TPOT、吞吐、并发能力和 GPU 利用率。

4、模型压缩与加速算法探索： 探索并落地低比特量化、蒸馏、剪枝、投机解码、KV Cache 压缩、CoT 压缩等技术，建设从效果评估到部署的完整闭环，在精度、延迟、吞吐、显存、成本和业务效果之间取得合理平衡。

5、大规模系统稳定性建设： 攻克千卡训练和高并发推理中的显存管理、跨节点通信、弹性容错、任务调度、请求迁移、故障检测、自愈恢复、灰度发布等挑战，提升训练成功率、推理 SLO 和集群资源利用率。

6、异构芯片与多模型适配： 负责训练及推理框架在 Nvidia GPU、国产 NPU / PPU 等硬件上的适配与深度优化，完成模型迁移、算子支持、Profiling、Kernel 调优、并行策略及服务架构优化，推动国产算力规模化使用。

7、大模型生产工具链建设： 打通训练、压缩、推理框架与训练部署及MaaS服务平台，建设可视化、自动调优、评估、故障诊断和部署等生产级能力，降低算法与业务团队的使用门槛。

8、业务协同与技术探索： 与算法和业务团队深度协作，支撑重点业务的算法探索与工程落地，通过算法与系统联合优化持续提升性能、稳定性和成本效率。

任职资格：

1、具备扎实的代码能力、数据结构和基础算法功底，熟悉 Python / C++ / Rust 中至少一门语言，具备良好的工程实现能力和代码质量意识。

2、在大模型训练、推理或模型压缩至少一个方向具备深入实践，能够阅读和修改框架源码，并有性能优化或生产级工程落地经验。

3、熟悉至少一种主流训练、后训练或推理框架，如 PyTorch、Megatron、DeepSpeed、veRL、OpenRLHF、TRL、vLLM、SGLang、TensorRT-LLM、Nvidia Dynamo、AIBrix 等，并具备使用或二次开发经验。

4、理解分布式训练或推理的核心技术，包括并行策略、显存管理、跨机通信、KV Cache、请求调度、服务稳定性等；无需同时精通全部方向，但能够基于系统原理分析和解决复杂问题。

5、具备性能分析和问题定位能力，能够借助 Nsight Systems / Compute、PyTorch Profiler、日志、监控和实验分析等手段定位计算、通信、显存或系统瓶颈，并推动问题闭环。

6、能围绕吞吐、延迟、并发、稳定性、资源利用率、精度、成本和业务效果等指标进行系统分析，在技术效果与业务收益之间做出合理权衡。

7、具备良好的学习能力、沟通协作能力、自驱力和问题闭环意识，能够与算法、平台及业务团队协同推进技术落地。

加分项：

1、在大模型训练、推理、模型压缩、分布式系统或 MLSys 方向有高水平论文发表或优秀开源项目经历。

2、有千卡级大模型训练、后训练或大规模线上推理实战经验，解决过跨节点通信、显存优化、容错训练、高并发、故障迁移、弹性扩缩容或 SLO 保障等生产问题。

3、参与过 Megatron、DeepSpeed、veRL、OpenRLHF、vLLM、SGLang、TensorRT-LLM、Nvidia Dynamo、AIBrix 等开源项目的核心模块开发或贡献。

4、有 CUDA Kernel、Fused Operator、Attention / GEMM、FlashAttention、PagedAttention 或通信计算重叠等底层优化经验。

5、有量化、蒸馏、剪枝、SmoothQuant、AWQ、GPTQ、KV Cache 压缩或投机解码等技术的工程落地经验。

6、有国产异构芯片（昇腾 Ascend、平头哥 PPU 等）训练或推理适配、Kernel 开发及规模化落地经验，熟悉 CANN / ROCm 等基础软件栈。

7、深入理解 GPU / NPU 硬件架构及性能瓶颈，能够结合 Tensor Core、内存层级、计算单元和通信拓扑进行差异化优化方案设计。