训练运行时 - 运行时基础工程师
岗位摘要
跨越 Python 与 Rust 技术栈进行开发；设计、构建并维护用于在最大规模超级计算机上编排和监控机器学习工作负载的软件；对软件栈进行性能分析与优化，以支持前沿规模的计算编排；提升长时间运行任务的可靠性、可观测性与容错能力
岗位职责
- 跨越 Python 与 Rust 技术栈进行开发
- 设计、构建并维护用于在最大规模超级计算机上编排和监控机器学习工作负载的软件
- 对软件栈进行性能分析与优化，以支持前沿规模的计算编排
- 提升长时间运行任务的可靠性、可观测性与容错能力
- 调试大型集群中的复杂分布式系统问题
- 响应机器学习系统形态与需求的变化，赋能研究人员
任职要求
- 乐于理解大型系统在规模下的行为与故障方式
- 喜欢同时担任开发者和运维者
- 高度重视性能、正确性与可靠性
- 具备扎实的软件工程能力，精通 Rust 或其他系统编程语言（如 C++）
- 拥有扎实的 Linux 知识，熟悉系统级调试、性能分析和内存分析
- 喜欢高自主权、流程轻、工程能动性强的环境
福利待遇
- 提供搬迁援助
- 采用每周3天到办公室的混合办公模式