大模型训练系统与优化工程师（VLM/Agent RL方向）-Data

关于这个机会

1、统一训练架构建设与演进：负责大模型后训练（Post-training）框架的代码抽象与底层重构，兼容不同模态、不同训练方式的、正确的、高效的训练框架的建设； 2、超大规模分布式训练优化：面向100B～1T参数级别的超大模型，探索并落地极致的分布式训练策略（DP、TP、PP、EP等组合），通过算子融合、显存优化、分布式策略调整等手段大幅提升集群训练的MFU； 3、Agent RL框架与评估底座建设：攻坚Reasoning RL/Agent RL的训练框架，构建适用于复杂业务环境的标准化评测基准与标准的、稳定的Harness，解决千亿模型在RL阶段的稳定收敛与Rollout效率问题，解决在Agent RL下的长尾问题； 4、多模态与新架构支持：为MoE、Linear Attention等新型模型结构，以及多模态（图、文文、音、视）复杂模态的模型训练提供高效支持与正确性（Convergence）验证。

任职要求

1、具备2年以上机器学习系统设计、开发与性能调优经验，熟练掌握Python与C++； 2、深入理解并具备PyTorch、DeepSpeed、Megatron或FSDP等主流分布式训练框架的二次开发经验； 3、有100B以上超大模型分布式训练实战经验，能够独立排查并解决收敛性问题与分布式训练瓶颈； 4、在强化学习训练框架（PPO/GRPO/Agent RL）或大模型评测底座、Agentic Harness有深度实践者优先； 5、具备工程素养，对提升AI Infra的研发效率、代码整洁度与系统稳定性有追求。

内推申请说明

本站为独立内推协助平台。申请会交由管理员核实岗位与内推渠道，不等于已在公司官网投递；薪资、岗位状态和实际招聘流程以官方信息为准。