职位描述
1、负责世界模型(视频生成、交互式世界模拟)大规模分布式训练与推理系统的设计与研发，支撑 DiT / 自回归-扩散混合架构模型的高效训练;
2、设计并优化并行策略，解决长视频序列训练中超长上下文带来的显存与通信瓶颈;
3、开发和优化核心算子与训练 kernel，提升 MFU 与端到端训练吞吐;
4、建设高效的多模态数据基础设施，包括大规模视频数据的预处理、打包、在线 tokenization、VAE latent 缓存以及高吞吐数据加载 pipeline;
5、负责训练稳定性与可观测性建设，包括容错训练(弹性伸缩、checkpoint 优化)、性能 profiling、精度对齐与数值问题排查;
6、与算法团队紧密协作，支持世界模型等前沿训练范式的工程落地。任职要求
1、计算机相关专业本科及以上学历，有大规模深度学习训练或推理系统相关经验;
2、熟悉 PyTorch，熟悉分布式训练框架的原理;
3、具备 GPU 性能优化实战经验，熟悉 CUDA 或 Triton;
4、理解 Transformer、Diffusion 等模型架构及其计算特性;
5、扎实的工程能力与系统思维，能独立定位复杂分布式系统中的性能与正确性问题;
6、良好的沟通协作能力，能与算法研究员高效对接，将研究需求快速转化为可靠的工程实现。
加分项：
1、有视频生成模型或世界模型的训练/推理经验;
2、熟悉 PyTorch，或有 MLIR / Triton / TVM 等开发经验;
3、有超长上下文训练优化经验(上下文并行、序列打包、attention 稀疏化);
4、有异构硬件(NPU / 国产芯片)训练适配与 kernel 开发经验;
5、相关顶级会议上有论文发表;
6、开源分布式训练/推理框架的核心贡献；
7、ACM-ICPC / NOI 等算法竞赛获奖经历。
