職位概述 我們在招聘算法架構工程師，麵向網約車核心算法與大模型業務，負責大模型訓練與推理性能優化、線上推理服務與自動化更新架構建設，並持續提升網約車算法服務的基礎性能與穩定性，支撐核心業務規模化增長與高可用運行。 工作職責 1. 大模型訓練/推理性能優化 ● 負責大模型訓練與推理鏈路的性能優化：吞吐
、時延
、顯存占用與成本優化。 ● 推進並落地訓練/推理加速方案（並行訓練、混合精度、編譯/算子優化、KV Cache、批處理/動態batch等）
，提升整體效率與穩定性。 2. 自動化更新與線上推理服務架構 ● 負責線上推理服務的係統架構設計與落地：服務化
、彈性伸縮
、灰度發布、回滾、限流熔斷、監控告警等。 ● 建設模型自動化更新能力：模型版本管理、自動化評測/準入、發布流水線與可觀測性，保障模型迭代效率與線上風險可控。 3. 網約車算法服務基礎性能優化 ● 麵向網約車核心算法服務（定價/分單/供需預測等）進行基礎性能優化：延遲、吞吐
、穩定性與資源成本。 ● 聯合算法與工程團隊優化數據鏈路
、特征/召回/打分等關鍵路徑
，提升服務SLA與線上效果穩定性。 任職要求 ● 計算機相關背景，具備紮實的係統工程能力與性能優化經驗（C /Go/Java 任一熟悉
，Python 熟悉加分）。 ● 有模型訓練或推理係統經驗，理解GPU/CPU算力、內存/顯存、網絡與存儲等性能瓶頸定位方法。 ● 熟悉在線服務基礎設施與工程體係：服務治理、容器化/集群資源管理（如K8s）、CI/CD
、監控可觀測性等。 ● 良好的跨團隊協作能力，能與算法
、平台

、業務團隊高效推動落地。 加分項 ● 有大模型推理框架/加速經驗（如TensorRT/ONNX Runtime/vLLM/Triton等任一方向）或分布式訓練經驗。 ● 有高並發低延遲在線係統性能治理經驗（Profiling、壓測、容量規劃、故障演練等）。 ● 有模型發布與MLOps體係建設經驗（評測準入
、自動化發布
、灰度與回滾、模型可觀測性）。