分布式训练开发工程师
岗位摘要
支持万卡集群分布式训练性能稳定性优化，并确保精度对齐；针对具体训练模型，拆解优化算法，达成性能优化目标；研究并适配优化常见分布式训练框架；研究和实现前沿大模型性能优化算法；数学、自动化、计算机、软件、通信等相关专业本科及以上学历
岗位职责
- 支持万卡集群分布式训练性能稳定性优化，并确保精度对齐
- 针对具体训练模型，拆解优化算法，达成性能优化目标
- 研究并适配优化常见分布式训练框架
- 研究和实现前沿大模型性能优化算法
任职要求
- 数学、自动化、计算机、软件、通信等相关专业本科及以上学历
- 对新算力设备、国产算力设备和AI领域研究抱有兴趣
- 对深度学习和分布式优化方向的基本算法有较好的理解，具有大规模集群训练和调优经验
- 具备扎实的编程、代码阅读及调试能力
- 熟悉PyTorch，了解大模型框架如Megatron、DeepSpeed、ColossalAI、FSDP等
- 了解稠密、稀疏、多模态模型训练和推理算法
工作地址
深圳南山区摩尔线程智能科技(北京)股份有限公司深圳分公司1405