岗位职责
挑战 AGI 的物理极限，作为“模型系统架构师”，打破算法研究与系统工程的边界，在万亿级参数、全模态原生感知、长链 Agent执行等维度，构建具备系统思维的下一代智能底座。 核心工作
- 系统的深度优化，超越传统的分布式策略，基于硬件拓扑（NVLink,RDMA）重新设计全模态模型的计算流，针对全模态（文本、音视频、3D）差异化的计算密度，设计动态算子融合与异构调度机制，解决不同模态在统一架构下的长尾计算瓶颈；
- 万亿级全模态原生训练工程，解决极低容错率下的超大规模集群收敛难题，设计支持全模态原生对齐的高吞吐、低延迟数据加载系统；
- 全模态强化学习系统，针对全模态（尤其是视频、音频生成的实时反馈）设计高性能 RL 训练系统，优化多模型（Actor, Critic,Reward, Reference）协同时的内存管理。开发全模态下的 DPO/PPO 算法变体，实现跨模态生成内容的一致性与安全性；
- 面向 Agentic 的模型演进，设计支持长思维链（CoT）与复杂搜索（Search）的推理架构，在模型底层构建能够快速响应外部环境反馈（如代码运行结果、物理模拟器信号）的流式架构，提升Agentic 工作流的端到端吞吐量。
职位要求
- 拥有计算机体系结构、分布式系统或人工智能方向的博士/硕士学位；
- 对分布式并行策略（TP/PP/DP/EP/CP）有代码级的掌控力。精通 PyTorch/C++/CUDA，能够手写高性能算子，熟悉算力集群的互联架构与存储瓶颈分析；
- 具备复杂 Agentic 系统（如 Tool-use, Reasoning, Planning）的训练与全链路搭建经验，理解 Agent在复杂环境下的交互逻辑；
- 深入掌握 Transformer 及其变体架构，熟悉 MoE（混合专家模型）机制及主流 LLM 的底层实现细节。 加分项
- 在顶会 / 顶刊发表过相关论文（如 OSDI等）；
- 有 ACM 金牌优先，开源社区有影响力的作品优先；
- 具备良好的执行力且目标导向，敢于担当，善于协同合作。
