岗位职责
- 负责携程搜索、推荐、广告全链路业务模型的工程化落地与性能优化，覆盖酒店、火车票、度假、内容营销等核心旅游场景，保障亿级 DAU 下高并发、低延迟的在线推理服务稳定运行。
- 负责模型推理架构搭建、优化与维护，基于 TensorRT/Triton/ONNX 技术栈，结合 GPU 算力特性完成模型量化、算子优化、批处理调度与服务部署，持续提升服务性能与 GPU 资源利用率、控制算力成本。
- 参与 CTR/CVR 预估、多目标排序、召回粗排等核心模型的 GPU 训练架构迭代与优化，推进 GPU 分布式训练、显存优化、训练稳定性提升等工作；同时参与搜广推大模型工程化落地，负责混合式与生成式大模型的架构设计、工程实现及全链路部署难题攻坚。
- 跟踪业界搜广推与大模型工程化前沿技术，结合携程旅游业务特点完成技术选型、方案落地与技术沉淀，形成可复用的平台化能力。
职位要求
- 本科及以上学历，计算机、软件工程等相关专业，5 年及以上机器学习工程 / 模型工程化经验，有搜广推领域工程优化经验优先。
- 精通 PyTorch/TensorFlow 至少一种深度学习框架，熟悉分布式训练（DDP/DeepSpeed/Megatron）、模型导出、量化剪枝、推理优化全流程。
- 熟练使用 Python/C++，熟悉在线推理服务架构，有 Triton Inference Server、TensorRT、ONNX Runtime 等实际优化与部署经验。
- 熟悉搜广推全流程技术栈：召回、粗排、精排、多目标建模、特征工程、在线预估服务等，有高并发、低延迟业务场景工程落地经验。
- 具备较强的问题定位与性能调优能力，能够独立分析训练 / 推理瓶颈、显存 / 内存瓶颈、服务抖动等问题并给出系统性解决方案。 具备LLM 相关经验优先
- 有大语言模型（LLM）训练、微调（LoRA/QLoRA）、推理加速、量化部署、服务架构相关工程经验。
- 有 LLM 与搜广推结合落地经验者优先，如语义召回、意图理解、内容生成、长文本建模等。
