训推测试开发工程师
岗位摘要
负责大规模分布式训练稳定性策略的开发及调试；开发并优化大规模分布式训练的可观测体系；负责大模型训练的接入及相关功能开发；提供远程或现场技术支持，解决客户在大规模分布式训练中遇到的技术问题
岗位职责
- 负责大规模分布式训练稳定性策略的开发及调试
- 开发并优化大规模分布式训练的可观测体系
- 负责大模型训练的接入及相关功能开发
- 提供远程或现场技术支持，解决客户在大规模分布式训练中遇到的技术问题
- 编写和维护技术文档，包括故障排除指南、用户手册和最佳实践
- 调研业界最新的分布式训练技术及解决方案
- 深度参与研发产品特性开发，为研发产品支持新特性
任职要求
- 计算机科学、软件工程、电子工程或相关领域本科及以上学历
- 具备良好的逻辑思维能力，精通计算机数据结构与算法，熟悉软件测试理论
- 熟悉至少一种编程语言，如GoLang、Python等
- 了解云原生体系，对Kubernetes、Docker有一定了解
- 了解大模型训练，对Llama、Qwen、ChatGLM等主流大模型有一定了解或使用经验
- 接触过机器学习框架（有使用经验者优先），如PyTorch、Megatron-LM、DeepSpeed、Colossal-AI等
- 对大规模分布式训练和模型推理有浓厚兴趣，具备owner意识，乐于挑战复杂技术问题
- 具备3-5年相关工作经验
福利待遇
- 薪资范围：30,000–60,000元/月，共16薪
- 工作地点位于北京朝阳区望京国际研发园，地理位置优越
- 加入国产GPU领军企业，参与前沿AI大模型基础设施建设
- 探索大规模分布式训练与推理等具有挑战性的技术方向
工作地址
北京朝阳区望京国际研发园I座