岗位职责
】
- 负责大模型训练框架与训练平台的研发与演进，支撑万亿级参数模型训练落地；
- 负责分布式训练方案设计与优化（DP/TP/PP/ZeRO/FSDP/MoE 等），提升吞吐与资源利用率；
- 负责训练性能调优，包括算子优化、混合精度（BF16/FP16/FP8）、显存优化、通信优化与 pipeline overlap；
- 负责训练稳定性建设，包括容错恢复、监控告警、性能回归、训练诊断与自动化运维能力；
- 参与强化学习训练框架与对齐训练流程建设，支持 RLHF/PPO/DPO/GRPO 等训练任务的工程优化与平台化落地；
- 跟进前沿训练系统技术，推动在业务场景规模化落地。
职位要求
- 本科及以上学历，计算机/软件/电子相关专业；
- 熟练掌握 Python/C++，具备扎实的工程能力与系统调试能力；
- 熟悉 PyTorch 训练机制，理解反向传播、梯度同步、显存管理等原理；
- 熟悉分布式训练框架（Megatron-LM/DeepSpeed/FSDP 等）并具备实战经验；
- 熟悉 GPU/NPU 性能优化方法，能独立完成 profiling 与瓶颈定位（Nsight/perf 等）；
- 熟悉训练侧算力优化技术，包括算子融合、图优化、Triton/CUDA Kernel 开发、编译器优化等；
- 了解强化学习训练基本流程与常见框架，熟悉 rollout、reward model、policy update 等机制者优先；
- 具备良好的问题分析能力与跨团队协作能力。 加分项：
- 有 MoE/长序列/多机多卡大规模训练经验；
- 熟悉 NCCL/HCCL/RDMA/IB 通信优化；
- 有量化训练、低比特训练或 QAT（Quantization-Aware Training）相关实践经验；
- 有国产卡适配与性能优化经验（昇腾/寒武纪/沐曦等）；
- 有开源贡献或高性能系统相关论文/专利。
