职位描述
岗位职责
负责深度学习模型训练性能优化与加速，提升训练吞吐、资源利用率与系统稳定性。
设计并维护高性能ML 训练基础设施，包括多机多卡分布式训练、任务调度与资源管理。
优化 模型并行与数据并行策略（Data / Model / Pipeline / ZeRO / FSDP），降低通信与显存开销。
深度参与训练框架与算子层优化，包括 CUDA kernel、算子融合、Mixed Precision、Flash Attention 等。
构建和优化大规模数据加载与存储管线，减少 I/O 瓶颈（如 WebDataset、TFRecord、异步 Prefetch）。
推进训练稳定性、可复现性与监控体系建设（Profiling、Tracing、Logging、Failure Recovery）。
与算法团队协作，将新模型结构与训练策略高效落地到生产级训练系统中。
跟进并评估前沿训练加速技术与基础设施方案，推动技术升级。任职要求
计算机科学、软件工程、人工智能等相关专业本科及以上学历。相关工作经验2年以上。
扎实的深度学习系统基础，理解训练过程中的计算、通信与内存瓶颈。
熟练使用 PyTorch，熟悉 DDP / FSDP / DeepSpeed / Megatron 等分布式训练框架。
熟悉 GPU / CUDA / NCCL 基本原理，有性能分析与调优经验。
良好的 Python / C++ 编程能力，具备工程级代码质量意识。
熟悉 Linux 环境与常见性能调试工具（nsys、nvprof、perf 等）。
具备较强的问题定位与系统化优化能力。
立即投递
