岗位职责
我们关注大规模分布式模型训练系统，服务于阿里巴巴核心业务场景，包括但不限于以下职责：
- 性能优化：结合分布式系统、高性能计算、异构计算和编译优化，探索性能边界，分析和解决超大规模分布式计算的核心问题；
- 框架研发：以淘天、海外等超大规模训练场景为抓手，研发和优化稀疏+稠密统一训练框架，参与开源共建；
- 算法协同：深入工程和算法协同，结合大规模推荐、大语言、多模态算法，探索适合业务的创新训练范式。
职位要求
- 有扎实的工程算法基础，精通数据结构和常用算法，熟练掌握各种编译、调试、性能分析工具；
- 有极佳的工程实现能力，精通C/C++、Python；
- 熟悉pytorch/tensorflow框架优先；
- 熟悉cuda编程、RDMA高性能网络、编译优化优先。
