AI基础设施工程师，pAGI
岗位摘要
构建并运营面向大规模训练和评估的基础设施，提升可靠性、吞吐量和资源效率；开发共享推理与评分平台，具备自动化容量管理、健康监控和性能可见性；改进计算调度和资源分配，减少GPU空闲时间，并帮助工作负载在故障后快速恢复
岗位职责
- 构建并运营面向大规模训练和评估的基础设施，提升可靠性、吞吐量和资源效率
- 开发共享推理与评分平台，具备自动化容量管理、健康监控和性能可见性
- 改进计算调度和资源分配，减少GPU空闲时间，并帮助工作负载在故障后快速恢复
- 诊断训练、推理和编排中的瓶颈，并跨团队协作提升端到端性能
- 构建自助工具、自动化验证和可观测性能力，帮助研究人员以更少人工干预启动实验、诊断问题并比较结果
任职要求
- 对个人AGI的潜力充满热情，并希望构建支撑其实现的基础设施
- 具备扎实的软件工程基础，并有构建或运营大规模分布式系统的经验
- 具有机器学习基础设施、推理系统、GPU性能或基础设施工具方面的经验
- 自我驱动力强，能够主动负责开放式问题
- 乐于跨系统边界调试，并通过度量数据指导性能和可靠性改进