【岗位职责】 1. 平台架构与开发：参与设计并实现支持大模型持续训练、微调、对齐及推理的全链路大模型训推平台 2. 分布式系统优化：设计并优化分布式计算框架与并行计算策略，以提升大规模模型训练和推理的效率与稳定性 3. 性能攻坚：深入分析并解决大模型训练和推理过程中的技术难题，包括但不限于显存优化、计算效率、通信加速和低延迟服务等 4. 稳定性保障：参与建设平台的稳定性体系，涵盖监控、预警、故障排查和恢复等功能，确保平台服务的高可用性 5. 技术前瞻：跟踪业界最新技术动态（如新的模型架构、训练方法、硬件特性），并进行技术调研与原型验证，推动其在产品中落地 【任职要求】 1. 计算机科学、人工智能、软件工程或相关专业，本科及以上学历 2. 具备优秀的编码能力，熟练掌握 C /Go/Python/Java 等至少一门主流编程语言 3. 熟悉至少一种主流深度学习框架（如 PyTorch、TensorFlow等），并了解其底层架构 4. 了解大模型相关的训练/推理优化技术（如分布式训练、模型压缩、算子融合等） 5. 具备异构计算（GPU/CPU）或容器技术（Kubernetes、Docker）的实际项目经验 6. 热爱技术，有强烈的求知欲和进取心，具备优秀的学习能力和解决问题的能力