岗位职责
- 负责构建和优化大规模预训练框架，支持文本、语音、图像等多模态数据的联合学习与高效训练；
- 深入优化长序列场景下的分布式训练与显存利用（如context parallel、2D/环形 Attention、混合并行、激活重计算等），在百万级 token 训练中提升吞吐与性价比；
- 负责后训练（Post-training）阶段框架建设，包括强化学习（RL/RLHF）、偏好建模（Reward Model）及人类反馈优化（Alignment）等流程；
- 深入优化分布式训练框架与推理效率，提升算力利用率与模型吞吐性能；
- 跟踪前沿研究趋势，探索高效预训练策略（如Mixture of Experts、Continual Pretraining等）；
- 与算法、数据、平台团队协作，形成从数据处理到训练部署的全流程自动化解决方案。
职位要求
- 计算机科学、人工智能、模式识别、计算语言学等相关专业硕士及以上学历；
- 精通一种或多种主流深度学习框架（PyTorch、JAX、TensorFlow），具备大规模分布式训练经验；
- 熟悉Transformer系列架构，理解其在语言、语音、视觉等方向的模型原理与实现；
- 了解 LLM 的训练流程，有 Megatron, DeepSpeed 等大规模训练框架使用经验者优先；
- 对RL/RLHF、偏好学习、奖励建模有实践经验者优先；
- 具备扎实的工程实现能力与代码规范意识，熟悉CUDA优化、参数并行、流水线并行等技术；
- 具备良好的团队协作与沟通能力，热爱探索与创新。
