公司简介：
小红书是年轻人的生活方式平台和消费决策入口，由毛文超和瞿芳于2013年在上海创立，致力于让全世界的好生活触手可及。在小红书，用户通过短视频、图文等形式标记生活点滴。截至2019年3月，小红书用户数超过2.2亿，并持续快速增长，其中70%用户是90后。在招职位如下：
大模型 GPU 调度研发工程师
工作城市：北京
薪资：9k-10k
学历要求：本科,硕士,博士
岗位性质：实习
岗位描述：
薪资：9k-10k
学历要求：本科,硕士,博士
岗位性质：实习
岗位描述：
工作职责
1、参与内部大模型平台 QuickSilver 的 GPU 资源调度与治理模块研发，完成调度策略、后端服务和资源可视化功能交付。
2、参与 Quota 管理、资源配额、资源申请、资源回收、资源出借等能力建设，支持多业务、多团队、多集群资源管理。
3、参与万卡规模 GPU 集群调度优化，围绕资源分配率、GPU 利用率、任务等待时长、资源碎片等指标提升集群效率。
4、参与训练、后训练、推理等负载下的弹性调度建设，探索潮汐调度、抢占调度、在线 / 离线混部、低峰缩容、高峰预扩容等策略。
5、参与多机房、多集群、多卡型、GPU / NPU 等异构资源调度能力建设，结合网络、存储、通信拓扑优化调度策略。
6、参与 GPU 资源可观测体系建设，并将调度能力与大模型训练、推理、部署、评估链路结合，提升 AI 生产效率和平台稳定性。
任职要求
1、计算机、软件工程、人工智能等相关专业在校生，具备扎实的编程基础和计算机系统基础。
2、熟悉 Go / Python / Java 中至少一门语言，具备良好的代码能力和工程实现意识。
3、熟悉 Linux，了解 Docker / Kubernetes 等云原生技术栈，对 K8s Scheduler、Volcano、Kueue、Kubeflow、Argo Workflows 等调度系统有兴趣或实践经验。
4、理解分布式系统基本概念，了解服务发现、资源隔离、任务调度、故障恢复、弹性伸缩、监控告警等能力。
5、对大模型训练、后训练、推理、部署等流程有兴趣，愿意理解不同 AI 负载对 GPU、网络、存储和调度策略的差异化诉求。
6、具备较好的数据分析、问题定位、沟通协作和自驱能力，能熟练使用 Cursor、Claude Code、GitHub Copilot 等 AI 工具辅助研发。
加分项
1、接触过 Kubernetes Scheduler、Volcano、Kueue、Kubeflow、Ray、OpenKruise、联邦集群等云原生或调度系统。
2、有 GPU 集群、资源调度、Quota 管理、资源利用率分析、在线 / 离线混部、抢占调度、潮汐调度、弹性伸缩等实践经验。
3、有大模型训练、推理、部署平台使用或开发经验，了解 PyTorch、DeepSpeed、Megatron、vLLM、SGLang 等框架。
4、了解 RDMA、IB、RoCE、NCCL、网络拓扑、存储性能等基础知识，理解其对大规模训练和推理调度的影响。
5、有优秀个人开源项目、技术博客，或曾利用 AI 工具独立交付云原生、调度、平台类项目。
6、有资源利用率分析、监控指标看板、任务画像分析、调度策略评估等经验，能通过数据驱动系统优化。
1、参与内部大模型平台 QuickSilver 的 GPU 资源调度与治理模块研发，完成调度策略、后端服务和资源可视化功能交付。
2、参与 Quota 管理、资源配额、资源申请、资源回收、资源出借等能力建设，支持多业务、多团队、多集群资源管理。
3、参与万卡规模 GPU 集群调度优化，围绕资源分配率、GPU 利用率、任务等待时长、资源碎片等指标提升集群效率。
4、参与训练、后训练、推理等负载下的弹性调度建设，探索潮汐调度、抢占调度、在线 / 离线混部、低峰缩容、高峰预扩容等策略。
5、参与多机房、多集群、多卡型、GPU / NPU 等异构资源调度能力建设，结合网络、存储、通信拓扑优化调度策略。
6、参与 GPU 资源可观测体系建设，并将调度能力与大模型训练、推理、部署、评估链路结合，提升 AI 生产效率和平台稳定性。
任职要求
1、计算机、软件工程、人工智能等相关专业在校生，具备扎实的编程基础和计算机系统基础。
2、熟悉 Go / Python / Java 中至少一门语言，具备良好的代码能力和工程实现意识。
3、熟悉 Linux，了解 Docker / Kubernetes 等云原生技术栈，对 K8s Scheduler、Volcano、Kueue、Kubeflow、Argo Workflows 等调度系统有兴趣或实践经验。
4、理解分布式系统基本概念，了解服务发现、资源隔离、任务调度、故障恢复、弹性伸缩、监控告警等能力。
5、对大模型训练、后训练、推理、部署等流程有兴趣，愿意理解不同 AI 负载对 GPU、网络、存储和调度策略的差异化诉求。
6、具备较好的数据分析、问题定位、沟通协作和自驱能力，能熟练使用 Cursor、Claude Code、GitHub Copilot 等 AI 工具辅助研发。
加分项
1、接触过 Kubernetes Scheduler、Volcano、Kueue、Kubeflow、Ray、OpenKruise、联邦集群等云原生或调度系统。
2、有 GPU 集群、资源调度、Quota 管理、资源利用率分析、在线 / 离线混部、抢占调度、潮汐调度、弹性伸缩等实践经验。
3、有大模型训练、推理、部署平台使用或开发经验，了解 PyTorch、DeepSpeed、Megatron、vLLM、SGLang 等框架。
4、了解 RDMA、IB、RoCE、NCCL、网络拓扑、存储性能等基础知识，理解其对大规模训练和推理调度的影响。
5、有优秀个人开源项目、技术博客，或曾利用 AI 工具独立交付云原生、调度、平台类项目。
6、有资源利用率分析、监控指标看板、任务画像分析、调度策略评估等经验，能通过数据驱动系统优化。
大模型 GPU 调度研发工程师
工作城市：上海
薪资：9k-10k
学历要求：本科,硕士,博士
岗位性质：实习
岗位描述：
薪资：9k-10k
学历要求：本科,硕士,博士
岗位性质：实习
岗位描述：
工作职责
1、参与内部大模型平台 QuickSilver 的 GPU 资源调度与治理模块研发，完成调度策略、后端服务和资源可视化功能交付。
2、参与 Quota 管理、资源配额、资源申请、资源回收、资源出借等能力建设，支持多业务、多团队、多集群资源管理。
3、参与万卡规模 GPU 集群调度优化，围绕资源分配率、GPU 利用率、任务等待时长、资源碎片等指标提升集群效率。
4、参与训练、后训练、推理等负载下的弹性调度建设，探索潮汐调度、抢占调度、在线 / 离线混部、低峰缩容、高峰预扩容等策略。
5、参与多机房、多集群、多卡型、GPU / NPU 等异构资源调度能力建设，结合网络、存储、通信拓扑优化调度策略。
6、参与 GPU 资源可观测体系建设，并将调度能力与大模型训练、推理、部署、评估链路结合，提升 AI 生产效率和平台稳定性。
任职要求
1、计算机、软件工程、人工智能等相关专业在校生，具备扎实的编程基础和计算机系统基础。
2、熟悉 Go / Python / Java 中至少一门语言，具备良好的代码能力和工程实现意识。
3、熟悉 Linux，了解 Docker / Kubernetes 等云原生技术栈，对 K8s Scheduler、Volcano、Kueue、Kubeflow、Argo Workflows 等调度系统有兴趣或实践经验。
4、理解分布式系统基本概念，了解服务发现、资源隔离、任务调度、故障恢复、弹性伸缩、监控告警等能力。
5、对大模型训练、后训练、推理、部署等流程有兴趣，愿意理解不同 AI 负载对 GPU、网络、存储和调度策略的差异化诉求。
6、具备较好的数据分析、问题定位、沟通协作和自驱能力，能熟练使用 Cursor、Claude Code、GitHub Copilot 等 AI 工具辅助研发。
加分项
1、接触过 Kubernetes Scheduler、Volcano、Kueue、Kubeflow、Ray、OpenKruise、联邦集群等云原生或调度系统。
2、有 GPU 集群、资源调度、Quota 管理、资源利用率分析、在线 / 离线混部、抢占调度、潮汐调度、弹性伸缩等实践经验。
3、有大模型训练、推理、部署平台使用或开发经验，了解 PyTorch、DeepSpeed、Megatron、vLLM、SGLang 等框架。
4、了解 RDMA、IB、RoCE、NCCL、网络拓扑、存储性能等基础知识，理解其对大规模训练和推理调度的影响。
5、有优秀个人开源项目、技术博客，或曾利用 AI 工具独立交付云原生、调度、平台类项目。
6、有资源利用率分析、监控指标看板、任务画像分析、调度策略评估等经验，能通过数据驱动系统优化。
1、参与内部大模型平台 QuickSilver 的 GPU 资源调度与治理模块研发，完成调度策略、后端服务和资源可视化功能交付。
2、参与 Quota 管理、资源配额、资源申请、资源回收、资源出借等能力建设，支持多业务、多团队、多集群资源管理。
3、参与万卡规模 GPU 集群调度优化，围绕资源分配率、GPU 利用率、任务等待时长、资源碎片等指标提升集群效率。
4、参与训练、后训练、推理等负载下的弹性调度建设，探索潮汐调度、抢占调度、在线 / 离线混部、低峰缩容、高峰预扩容等策略。
5、参与多机房、多集群、多卡型、GPU / NPU 等异构资源调度能力建设，结合网络、存储、通信拓扑优化调度策略。
6、参与 GPU 资源可观测体系建设，并将调度能力与大模型训练、推理、部署、评估链路结合，提升 AI 生产效率和平台稳定性。
任职要求
1、计算机、软件工程、人工智能等相关专业在校生，具备扎实的编程基础和计算机系统基础。
2、熟悉 Go / Python / Java 中至少一门语言，具备良好的代码能力和工程实现意识。
3、熟悉 Linux，了解 Docker / Kubernetes 等云原生技术栈，对 K8s Scheduler、Volcano、Kueue、Kubeflow、Argo Workflows 等调度系统有兴趣或实践经验。
4、理解分布式系统基本概念，了解服务发现、资源隔离、任务调度、故障恢复、弹性伸缩、监控告警等能力。
5、对大模型训练、后训练、推理、部署等流程有兴趣，愿意理解不同 AI 负载对 GPU、网络、存储和调度策略的差异化诉求。
6、具备较好的数据分析、问题定位、沟通协作和自驱能力，能熟练使用 Cursor、Claude Code、GitHub Copilot 等 AI 工具辅助研发。
加分项
1、接触过 Kubernetes Scheduler、Volcano、Kueue、Kubeflow、Ray、OpenKruise、联邦集群等云原生或调度系统。
2、有 GPU 集群、资源调度、Quota 管理、资源利用率分析、在线 / 离线混部、抢占调度、潮汐调度、弹性伸缩等实践经验。
3、有大模型训练、推理、部署平台使用或开发经验，了解 PyTorch、DeepSpeed、Megatron、vLLM、SGLang 等框架。
4、了解 RDMA、IB、RoCE、NCCL、网络拓扑、存储性能等基础知识，理解其对大规模训练和推理调度的影响。
5、有优秀个人开源项目、技术博客，或曾利用 AI 工具独立交付云原生、调度、平台类项目。
6、有资源利用率分析、监控指标看板、任务画像分析、调度策略评估等经验，能通过数据驱动系统优化。
分布式KVCache研发工程师
工作城市：杭州
薪资：11k-12k
学历要求：本科,硕士,博士
岗位性质：实习
岗位描述：
薪资：11k-12k
学历要求：本科,硕士,博士
岗位性质：实习
岗位描述：
工作职责
1、负责面向多轮对话、多模态等场景的大规模KVCache研发，实现AI推理阶段以查代算
2、探索软硬一体化、推理框架KVCache Manager的元数据卸载等极致的性能加速手段
3、学习和吸纳业界优秀技术成果，积极探索和拓展创新的产品能力，构建行业第一梯队的产品和服务；
任职资格
1、计算机相关专业，熟练使用AI coding类工具，具备扎实的工程能力并有成型的作品；
2、有Redis、KV数据库、表格数据库、全闪存高性能分布式存储等产品相关经验者优先；
3、具备良好的分析和解决问题能力，对技术有强烈的好奇心和热情，具备优秀的自驱力和心力；
4、具备良好的英文写作能力，熟练阅读英文论文，有科研经验或顶会Paper发表者优先
1、负责面向多轮对话、多模态等场景的大规模KVCache研发，实现AI推理阶段以查代算
2、探索软硬一体化、推理框架KVCache Manager的元数据卸载等极致的性能加速手段
3、学习和吸纳业界优秀技术成果，积极探索和拓展创新的产品能力，构建行业第一梯队的产品和服务；
任职资格
1、计算机相关专业，熟练使用AI coding类工具，具备扎实的工程能力并有成型的作品；
2、有Redis、KV数据库、表格数据库、全闪存高性能分布式存储等产品相关经验者优先；
3、具备良好的分析和解决问题能力，对技术有强烈的好奇心和热情，具备优秀的自驱力和心力；
4、具备良好的英文写作能力，熟练阅读英文论文，有科研经验或顶会Paper发表者优先