预训练分布式系统技术负责人/经理
岗位摘要
领导团队构建分布式系统，为前沿模型训练调度、编排并执行评估；负责评估吞吐量与成本：跨评估套件的计算分配、受限加速器资源池的排队调度，以及评估工作的缓存与复用；构建并扩展研究人员用于定义、运行和迭代评估的测试框架与工具链
岗位职责
- 领导团队构建分布式系统，为前沿模型训练调度、编排并执行评估
- 负责评估吞吐量与成本：跨评估套件的计算分配、受限加速器资源池的排队调度，以及评估工作的缓存与复用
- 构建并扩展研究人员用于定义、运行和迭代评估的测试框架与工具链
- 确保评估结果可信，包括确定性、可复现性，以及对报告指标进行诚实的不确定性量化
- 确保评估信号传达到实际进行发布决策的仪表板和评审流程中
- 作为工程师直接贡献，同时管理和发展团队，确定工作优先级，并指导团队成员
任职要求
- 端到端领导过大规模分布式系统的技术项目，并具有1年以上管理工程师经验，或具备带下属的技术负责人经验
- 精通 Python 和 Rust
- 在云端或本地加速器集群上构建过高吞吐、容错的系统
- 关心测量质量而不仅是管道正常运行时间，能够注意到指标因错误原因发生变动
- 善于与研究人员沟通，并能将研究需求转化为基础设施方案
- 对先进人工智能的变革性影响有浓厚兴趣，并致力于安全开发
- 有 LLM 推理或训练基础设施相关工作经验者优先
- 有评估或基准测试系统经验者优先，尤其是需要沙箱执行的智能体评估
- 具备实用统计素养者优先，包括方差、置信区间和噪声指标的样本量充分性
- 有可观测性和时间序列指标回归检测经验者优先