Agent 训推研究员

标准职责: 负责Agent训推全链路系统的架构设计与工程实现，支撑万亿级模型在超大规模集群上的高效训推与持续进化涵盖递归自我改进、分布式训练与高性能推理三大方向:

1. 负责Agent递归自我改进（RSI）系统架构设计与实现，优化训推混合调度、分布式rollout、训推一致性、资源协同及异步RL，打通训推评测闭环，支撑真实任务持续进化并提升效率与资源利用率。
2. 负责Agent分布式训练系统架构构建，协同优化计算、通信与存储，支撑万亿级以上参数模型在万卡以上超节点集群高效训练，实现高性能与高可用。
3. 负责Agent高性能推理服务构建，优化KV Cache管理、连续批处理、投机解码及量化压缩，支撑万级QPS高并发低延迟推理，推动昇思MindSpore/PyTorch成果落地与开源建设，增强生态竞争力。

1. 本科及以上，3年以上相关领域研发经验，编程基础扎实，熟练掌握C++或Python，深入理解AI框架相关技术。
2. 至少深入一个方向：训练（Megatron/DeepSpeed/FSDP/torchtitan）；推理（vLLM/SGLang/TensorRT-LLM及推理加速实战）；强化学习（verl/slime、Agentic RL）。
3. 熟悉昇腾/CANN或GPU/CUDA，具备硬件感知优化及算法—系统—硬件全栈设计能力；主流训推及AI框架开源贡献者优先。