返回岗位列表

AI训练平台任务调度系统架构师

查看原岗位

地点：武汉薪资：薪资未公开日期：2026-01-29

岗位摘要

主导AI训练平台任务调度系统与队列管理架构设计；优化大规模分布式训练任务的资源调度策略与执行效率；开发高并发任务调度算法，解决资源抢占、优先级调度、故障恢复等核心问题；保障万卡级集群资源利用率

岗位职责

主导AI训练平台任务调度系统与队列管理架构设计
优化大规模分布式训练任务的资源调度策略与执行效率
开发高并发任务调度算法，解决资源抢占、优先级调度、故障恢复等核心问题
保障万卡级集群资源利用率
构建智能队列管理系统，支持弹性配额、动态优先级调整、故障任务自动迁移等高级功能
满足LLM/VLM等大模型训练需求
负责调度系统可观测性建设与性能优化
培养调度领域技术团队

任职要求

精通Go/Python开发，具有大型分布式系统调度模块的架构设计经验
熟悉任务队列的底层实现原理
深入理解Kubernetes调度机制
有Volcano/Kueue等批量调度框架二次开发经验者优先
熟悉主流调度算法（DRF/Gang Scheduling/Fair Sharing等）
有大规模AI训练任务调度优化实战经验
具备高性能计算（HPC）或AI训练平台调度系统开发经验
熟悉MPI/AllReduce等分布式训练通信模式

加分项

主导过单集群万卡级资源调度系统开发
实现过LLM训练任务的动态弹性调度方案
参与过Training-operator/Kubeflow等开源项目调度模块贡献
发表过任务调度/资源管理相关领域论文或专利

福利待遇

主导过单集群万卡级资源调度系统开发
实现过LLM训练任务的动态弹性调度方案
参与过Training-operator/Kubeflow等开源项目调度模块贡献
发表过任务调度/资源管理相关领域论文或专利