深度学习分布式通信库专家(J95032)
岗位摘要
设计和实现昆仑芯通信库,支持千卡以上大模型训练;分析&定位大模型训练过程中相关网络问题,快速定位故障和恢复;调研下一代互连结构&方案;指导新一代芯片互连设计;有5年以上深度学习分布式训练经验
岗位职责
- 设计和实现昆仑芯通信库,支持千卡以上大模型训练
- 分析&定位大模型训练过程中相关网络问题,快速定位故障和恢复
- 调研下一代互连结构&方案
- 指导新一代芯片互连设计
任职要求
- 有5年以上深度学习分布式训练经验
- 熟悉RDMA、IB底层原理和应用
- 熟悉NCCL或相关通信库开发经验