职位描述
职位描述
1、负责公司大模型的系统工具链相关功能研发；
2、支持公司级大规模GPU集群运行和调优通用大模型；
3、针对大模型训练或推理过程中的问题，协同基础软件以及硬件联动设计。
主要工作方向包括：
1、负责超大规模机器学习系统架构的设计开发，解决包括训练系统稳定性以及性能问题，以及大模型推理系统高并发、高可靠性、高可扩展性等技术难关；
2、覆盖机器学习系统多个子方向领域的工作，包括：资源调度、模型训练、模型推理、数据管理、工作流编排等；
3、与算法部门深度合作，进行算法与系统的联合优化。任职要求
职位要求
1、优秀的代码能力、数据结构和基础算法功底，熟练Golang，C/C++或Python；
2、熟悉至少一种主流的机器学习框架（TensorFlow / PyTorch）；
3、掌握分布式系统原理，参与过大规模分布式系统的设计、开发和维护；
4、有强烈的工作责任心，较好的学习能力、沟通能力和自驱力；
5、良好的沟通协作能力，能和团队一起探索新技术，推进技术进步。
加分项：
1、熟悉NLP、CV相关的算法和技术，熟悉大模型训练、RL算法者优先；
2、有以下某一方向领域的经验：CUDA，RDMA，AI Infrastructure，HW/SW Co-Design，Distributed Storage;
3、在大模型领域，参与过大影响力的项目或论文者优先；
