机器学习平台工程师

查看原岗位

地点：北京薪资：30-60K 日期：2026-03-03

岗位摘要

与公司算法和框架团队深度合作，为大模型进行算法与算力深度结合的联合优化，打造超大规模高效可靠的大规模算力平台，提升平台可用性和容错性，提升训练任务的运行和开发效率；进行前瞻性技术调研且进行自主创新，保持公司在大模型系统方面的技术领先地位

与公司算法和框架团队深度合作，为大模型进行算法与算力深度结合的联合优化，打造超大规模高效可靠的大规模算力平台，提升平台可用性和容错性，提升训练任务的运行和开发效率
进行前瞻性技术调研且进行自主创新，保持公司在大模型系统方面的技术领先地位
负责机器学习平台的开发，支撑公司相关业务的算法生产与高效迭代
负责设计和实现机器学习相关的基础设施、工具链、训推产品等，并推动落地到业务中
负责训推任务的监控、问题监测、性能调优，降本增效
探索业界前沿的AI Ops相关技术，持续提升平台能力、降低算法使用成本

统招研究生及以上学历，计算机科学、人工智能或相关领域专业，两年及以上相关工作经验
了解前沿的AI技术，有工程实践经验者优先
熟练掌握Linux环境下的C/C++、Go、Python语言
了解或使用过常用MLOps和任务调度框架之一：Kubeflow、MLFlow、Volcano，或类似自研项目
熟悉英伟达/AMD/国产GPU/NPU计算卡的环境配置和编程；熟悉RoCE/IB等高速网络环境配置和编程；熟悉CUDA、NCCL等计算和通信库的原理和使用；熟悉CUDA和NCCL相关问题的调研和排错者优先；具有二次开发能力者优先
熟悉TensorFlow/PyTorch模型的训练和部署；了解混合精度训练、分布式训练等训练加速方法优先；掌握K8s扩展功能开发者优先
了解Agent原理和技术进展，有工程实践经验者优先
了解模型推理加速的研究和技术进展，包括但不限于PD分离、AF分离等推理优化技术等
了解业界常用的大语言模型推理加速框架，如VLLM、SGLang、Dynamo、TensorRT-LLM等
了解业界常用深度学习框架，如Tensorflow/PyTorch，了解常用的分布式加速库包括但不限于：Megatron、DeepSpeed等
具有独立解决问题的能力，良好的团队合作精神
有强烈的工作责任心，较好的学习能力、沟通能力和自驱力；有良好的工作文档习惯，及时按要求撰写更新工作流程及技术文档

北京海淀区大恒科技大厦12F