岗位职责
-建设稳定、可复用的通用平台服务与面向大模型全生命周期的可靠运行平台。核心支撑身份、权限、配置、资源等基础能力，并参与大模型数据治理、自动化评估体系及分布式调度能力的建设，提升资源利用率、模型迭代效率与运行隔离能力 -平台架构与服务建设： 负责平台后端服务（身份、权限、配置、资产等）的设计、开发与持续优化；设计可扩展的数据模型、服务接口及异步处理流程，保证数据一致性与可追溯性 -基础模型评估与 Benchmark 平台： 主导大模型训练/推理数据的全链路治理（采集、清洗、版本管理及高效传输）；搭建自动化评估基础设施，设计并维护覆盖通用能力、代码、数学及安全性等维度的 Benchmark 体系；攻克可验证任务评测等核心工程难题，为模型迭代提供精准、可复现的量化依据 -分布式调度与资源管理： 负责任务编排、队列、优先级、配额、抢占及生命周期管理；设计并实现基于容器的任务运行、资源分配、节点调度和隔离机制，支撑大规模并发任务下的容量规划与故障迁移 -高并发与通用难题攻坚： 处理高并发、限流、幂等、缓存、消息、容灾和多租户等通用平台问题；参与多集群、异构资源（如 GPU）、弹性伸缩和成本优化等平台能力演进 -工程规范与稳定性保障： 完善自动化测试、技术文档、监控告警体系；建立调度与运行链路的追踪、审计工具，具备从日志、指标和运行时状态快速定位线上问题的能力，推动团队代码质量与工程规范的落地
职位要求
-经验与语言： 4 年以上后端或平台研发经验，具备独立负责模块或服务的经验；熟练掌握 Go 或 Python 中至少一种，熟悉 REST/gRPC 等服务接口设计 -云原生与底层原理： 深入理解操作系统、网络、容器运行时及分布式系统原理；熟悉 Linux 和容器化开发，有 Kubernetes 生态（如控制器开发、CRD）或云原生服务治理经验 -AI 工程化与数据/评估： 具备大模型数据平台或评估平台的建设经验；了解主流评估基准与自动化评测工具链 -中间件与数据一致性： 熟悉关系型数据库、缓存、消息系统和对象存储，深刻理解索引、事务、并发和一致性原理；具备处理并发、状态机、事件幂等、租约、超时和故障恢复问题的实战经验 -工程素养： 具备良好的编码习惯、严格的代码审查（Code Review）意识、测试意识以及优秀的团队沟通能力 -有 Kubernetes 生态、GPU/异构资源调度、作业调度、多集群或高性能计算平台（HPC）经验。有制品/数据平台、权限与多租户、开发者平台、开放 API 或大规模分布式服务经验。熟悉安全隔离、微虚拟机技术，或有大规模集群资源利用率提升、任务吞吐量优化的可量化成果
