大模型编排调度工程师（训练&推理方向）
岗位摘要
负责MiniMax大模型训练与推理平台的开发，设计并实现LLM相关的工程架构与工具链，保障基建稳定性，支撑公司大模型业务的高速迭代与部署效率；负责超大规模、多云多集群、异构GPU资源的管理、编排与调度；集成多种训推资源管理体系和框架进行统一管理，向全局最优逼近，提升资源流转效率和GPU综合利用率
岗位职责
- 负责MiniMax大模型训练与推理平台的开发，设计并实现LLM相关的工程架构与工具链，保障基建稳定性，支撑公司大模型业务的高速迭代与部署效率
- 负责超大规模、多云多集群、异构GPU资源的管理、编排与调度；集成多种训推资源管理体系和框架进行统一管理，向全局最优逼近，提升资源流转效率和GPU综合利用率
- 深入业务场景，对LLM训练与推理服务完成编排抽象，持续迭代并落地高效的部署模式
- 负责服务以及集群的弹性伸缩能力建设；与流量调度、任务调度层深度协作，在保障大模型训推服务质量（SLA）的前提下，完成复杂场景下高效的资源流转与在离线混部
任职要求
- 计算机及相关专业，本科及以上学历；扎实的计算机体系结构、数据结构与算法、分布式系统基础
- 熟练掌握Golang/Python/C++中至少一种，具备优秀的工程素养和代码品味；深入理解常规架构设计思想（服务化、异步、高可用、可扩展等）
- 熟悉Kubernetes及云原生技术栈，深入理解kube-scheduler、volcano、koordinator等至少一种调度解决方案
- 熟悉大语言模型（LLM）生态，对MoE、PD分离（Prefill-Decode分离）、EP并行（专家并行）等大模型前沿架构有实际工程经验者优先
- 具有大规模异构集群维护、多云多集群架构、大规模弹性系统、大规模训练任务和推理服务的编排、在离线混部及资源调度经验者优先
- 具备良好的团队沟通合作能力、责任心、自驱力和快速学习能力；有ACM/ICPC、OI等算法竞赛获奖经历者优先；对AI充满热情，善于使用AI Coding工具，有通过AI Agent提升工程链路和架构迭代效率经验者优先
工作地址
北京海淀区蓟门壹号8楼