DataHub 关键词情报 · 数据更新至 2026-10-20
阶跃星辰算法与研究招聘
本页聚焦阶跃星辰算法与研究相关岗位，便于用户比较岗位职责、地点、薪资标注和详情入口。
活跃公司
- 阶跃星辰510 · 100.0%
热门地点
- 北京451 · 88.4%
- 上海56 · 11.0%
- 深圳3 · 0.6%
岗位方向
- 算法与研究510 · 100.0%
OPEN ROLES
代表岗位
Agent算法后训练数据基础设施岗
负责Agent训练与推理全链路框架的开发、优化与稳定性保障，支撑大规模模型训练实验的高效运转；设计并维护Agent执行沙箱，保障代码执行、工具调用等复杂场景下的安全性、隔离性与可靠性
大模型推理优化系统工程师
参与分布式大模型推理框架的开发与优化，提升推理性能与吞吐量；针对不同场景的LLM请求特点，优化GPU计算流程，打造业内领先的高效LLM推理引擎；调研并引入前沿机器学习系统技术，推动系统架构的持续优化升级
Mid-train 算法工程师（数据方向）
负责大模型Mid-training阶段数据算法研究，构建能力增强型数据体系；设计和优化数据Recipe，包括数据筛选、数据混合、课程学习、合成数据生成等策略；面向代码、数学、Reasoning、Agent、多模态等能力方向，构建高价值训练数据
大模型后训练算法工程师
负责大语言模型后训练阶段的算法研究与工程实现，围绕推理、代码、数学、智能体、长上下文、多模态等方向设计训练方案，持续提升模型复杂任务能力；研究并优化RLHF、RLVR、DPO、GRPO、在线强化学习等训练方法，探索更高效、更稳定的模型对齐与强化学习策略
Stepstar实习-Code Agent算法研究员
负责代码数据的合成、清洗、权重分配、来源扩充等工作，持续提高代码中程训练、后训练等阶段的数据质量；负责探究预训练小领域数据的配比和最终效果之间的关系；开发数据合成链路，解决代码模型中的关键问题
Stepstar实习-LLM后训练算法研究员
参与通用推理大模型或多模态大模型对齐方向的研发工作，涵盖数据循环体系构建及监督微调与强化学习阶段数据使用策略的系统性探究；深入探索对齐阶段的数据与算法在大规模训练中的可扩展性与优化路径，覆盖文本、多模态理解及Agent任务场景
大模型推理优化工程师
参与分布式大模型推理框架的开发与优化，提升推理性能与吞吐量；针对不同场景的LLM请求特点，优化GPU计算流程，打造业内领先的高效LLM推理引擎；调研并引入前沿机器学习系统技术，推动系统架构的持续优化升级
语音大模型算法工程 Leader
负责语音大模型实时交互方向的算法工程体系建设，带领团队推进模型从算法方案到推理部署、服务化及线上交付的完整落地；负责实时语音模型的工程优化与系统建设，围绕低延迟、流式处理、高并发、稳定性及资源效率等核心指标，持续优化模型推理与服务性能
27届Stepstar-LLM mid-train算法研究员
负责大语言模型mid-train阶段的算法研究与能力增强，围绕代码、数学、推理、长上下文、智能体、多模态等方向设计训练方案；构建和迭代mid-train数据配方，通过数据配比、课程学习、合成数据、回流数据、自蒸馏数据等方式系统提升模型能力
语音大模型AI产品经理实习生
协助负责语音大模型相关能力的产品规划与日常推进，参与需求拆解、方案梳理和版本迭代；参与模型能力的测评、数据整理与分析工作，协助搭建和维护基础测评指标、测试流程与文档体系；协助对接商业化/解决方案团队，整理ToB客户需求与典型应用场景，形成需求分析或产品支持材料
语音大模型算法研究员/工程师
参与语音大模型的训练、分析与优化，包括语音理解、合成、音乐及实时语音模型；进行大规模语音数据的处理、标注和数据增强工作，支持模型训练和评估；快速学习并应用最新研究成果，开展实验，发表高质量学术论文
AI 安全研究员
研究模型在陌生场景、复杂交互和对抗条件下的安全表现，识别现有安全方法的能力边界；开展越狱、提示注入与自动化红队研究，构建能够持续发现新型失效模式的评测方法；研究攻击与防御的泛化规律，评估安全机制在不同模型、任务和攻击策略下的有效性
大模型训练框架系统工程师（实习）
负责大语言模型、多模态模型的预训练和后训练框架研究与开发；与公司算法团队深度合作，为大模型进行算法与系统的联合优化；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
大语言模型架构算法研究员
探索新型架构，包括循环模型、线性注意力和混合模型等；研究长文本与记忆机制，包括记忆机制、上下文合并压缩和无限上下文等；进行优化与扩展研究，包括超参数迁移和下一代优化器设计等；预计毕业时间介于2026年9月至2027年8月的国内外计算机、数学、人工智能等相关专业的优秀应届毕业生
多模态大模型数据工程实习生
基于Spark、Ray、Hive等分布式计算框架，开发和优化海量图文数据处理Pipeline；参与多模态训练数据的采集、解析、清洗、去重、过滤、标注等核心环节建设；持续优化数据链路性能、稳定性及资源利用效率
语音大模型算法研究员/工程师实习生
参与语音大模型的训练、分析与优化，包括但不限于语音理解、合成、音乐以及实时语音模型；进行大规模语音数据的处理、标注和数据增强工作，支持模型的训练和评估；快速学习并应用最新的研究成果，开展实验，发表高质量学术论文
语音大模型产品经理
协助负责语音大模型相关能力（如理解、合成、对话、Voice Agent等）的产品规划与日常推进，参与需求拆解、方案梳理和版本迭代；参与模型能力的测评、数据整理与分析工作，协助搭建和维护基础测评指标、测试流程与文档体系
代码大模型算法工程师/研究员
负责代码预训练数据的合成、清洗、权重分配、来源扩充等一系列工作，持续提高代码预训练、中程训练等阶段的数据质量；负责探究预训练小领域数据的配比和最终效果之间的关系；开发数据合成链路，解决代码模型中的关键问题
基模post-train算法实习生
参与大模型Post-training阶段的算法研究与实践，围绕SFT、RL、Self-Improvement等方法，系统性提升模型的推理、泛化与对齐能力；开展前沿算法研究，包括在线学习、持续学习、自适应数据采样与模型自我进化机制，推动模型在长时间尺度下的稳定学习与能力积累
战略研究实习生（行业与竞争分析方向）
负责指定公司的公开信息采集与入库，覆盖技术报告、官网与开发者文档、招股书与财报、专利、招聘信息、技术分享，拆解为条目级事实并附原文引用、来源与时间；维护发布追踪：跟踪vLLM、SGLang等开源项目的PR与CI动态、HuggingFace仓库变化、MaaS平台模型目录变更等公开工程动态
资深战略研究专家（行业与竞争）
负责2至3家重点公司的端到端研究，覆盖组织架构与决策机制、模型（预训练／后训练／在研）、数据与评测、算力与Infra、商业化与收入结构，形成结构化、可持续更新的研究成果；建立并维护研究的数据标准：关键数字须明确来源、时间、信息性质与置信度；多来源口径不一致时并列保留、推动溯源，不做简单取舍或折中
大语言模型post-train算法研究员
参与通用推理大模型对齐方向的研发工作，涵盖数据循环体系的构建；系统探究监督微调（SFT）与强化学习（RL）阶段中的数据使用策略；深入探索对齐阶段的数据与算法在大规模训练中的可扩展性与优化路径
LLM预训练数据算法工程师
负责大语言模型预训练数据体系建设，包括数据采集、清洗、去重、质量过滤、配比设计与数据版本管理；参与构建面向代码、数学、推理、长文本、多语言、多模态等能力方向的数据配方，支持下一代基座模型能力提升
LLM预训练数据算法工程师
从Web、Book、Code等多源数据进行数据挖掘与质量分析，贡献到万亿级别token的高质量语料库；利用大规模CPU/GPU集群优化数据管线，支撑PB级数据的处理与持续迭代；参与数据策略制定与消融实验设计，深度分析不同数据方案对模型能力的影响
强化学习算法工程师
研究语言及多模态大模型RLHF阶段的广义强化算法，提升大模型的能力，探索大模型的自我进化之路；研究大模型驱动的智能体算法，包括但不限于ReACT、Voyager、WebGPT、AutoGPT
MidTrain算法研究员（STEM数据方向）
负责STEM方向Mid-Train数据体系与Recipe设计，覆盖数学、物理、化学、生物等领域；研究数据清洗、质量评估、难度分层、数据配比、课程学习等方法，持续提升模型STEM能力；探索合成数据、自博弈、自蒸馏、验证器等技术，规模化构建高质量推理数据
Mid-train 算法研究员/工程师
负责大语言模型Mid-training阶段算法研究，探索模型能力持续增强的方法与训练范式；围绕代码、数学、推理、长上下文、智能体、多模态等方向设计训练方案，提升模型复杂任务解决能力；研究课程学习、持续学习、自训练、知识注入等训练方法，并通过大规模实验验证有效性
多模态大模型数据算法实习生（多模coding方向）
调研并分析前沿的多模态大模型训练数据合成方法及最佳实践，如CoSyn、MathCoderVL等；建立合成数据的质量评估体系（如图像合理性、图像-文本匹配度等），设计自动化拒绝采样策略
Mid-Train 算法研究员（STEM 数据方向）
负责STEM方向Mid-Train数据体系与Recipe设计，覆盖数学、物理、化学、生物等领域；研究数据清洗、质量评估、难度分层、数据配比、课程学习等方法，持续提升模型STEM能力；探索合成数据、自博弈、自蒸馏、验证器等技术，规模化构建高质量推理数据
大模型训练框架工程师
负责强化学习训练与推理基础设施的设计、开发与优化；负责分布式训练、任务调度、权重同步、热更新等核心链路建设；持续优化系统性能，包括吞吐、时延、GPU利用率、训练效率等指标；建设稳定性与可观测能力，定位并解决OOM、超时、通信瓶颈、一致性问题等
LLM预训练数据算法工程师（实习）
从Web、Book、Code等多源数据中进行数据挖掘与质量分析，直接贡献到万亿级别token的高质量语料库；利用大规模CPU/GPU集群优化数据管线，支撑PB级数据的处理与持续迭代；参与数据策略制定与消融实验设计，深度分析不同数据方案对模型能力（知识、推理、表达等）的影响
Stepstar实习-LLM预训练数据算法工程师
参与工业级LLM预训练数据体系的构建与优化，包括Web、Book、Code等多源数据的数据挖掘与质量分析，贡献万亿级别token的高质量语料库；利用大规模CPU/GPU集群优化数据管线，支撑PB级数据的处理与持续迭代
Stepstar实习-端侧LLM/VLM算法研究员
负责多模态大模型（Vision-Language Model，VL/Omni）的研发与优化，重点面向端侧设备（移动端）；设计与实现下一代的端侧友好的模型结构，针对特定芯片进行算法与系统的co-design
27届Stepstar-LLM预训练算法研究员
负责下一代预训练范式的研究和创新，推动该技术的规模化扩展；从算法角度推动大模型训练和推理的低成本化，包括优化器改进、量化、投机采样等技术；研究通用智能的本质，设计和迭代通用智能的评估与观测方法，指导下一代范式的演进
大模型训练框架工程师（训练/推理/算子）
负责强化学习训练与推理基础设施的设计、开发与优化；负责分布式训练、任务调度、权重同步、热更新等核心链路建设；持续优化系统性能，包括吞吐、时延、GPU利用率、训练效率等指标；建设稳定性与可观测能力，定位并解决OOM、超时、通信瓶颈、一致性问题等
基础模型实习生
参与大语言模型预训练的数据方向工作；参与大语言模型预训练的训练方向工作；参与大语言模型后训练的代码代理方向工作；参与大语言模型后训练的工作代理方向工作；参与大语言模型后训练的前端编码方向工作
大语言Post train算法研究员
参与通用推理大模型/多模态大模型对齐方向的研发工作，涵盖数据循环体系的构建，以及在监督微调与强化学习阶段中对数据使用策略的系统性探究；深入探索对齐阶段的数据与算法在大规模训练中的可扩展性与优化路径，覆盖文本、多模态理解以及Agent任务场景
大模型推理优化系统工程师实习生
参与分布式大模型推理框架的开发与优化，提升推理性能与吞吐量；针对不同场景的LLM请求特点，优化GPU计算流程，打造业内领先的高效LLM推理引擎；调研并引入前沿机器学习系统技术，推动系统架构的持续优化升级
LLM预训练数据算法工程师实习生
参与工业级LLM预训练数据体系的构建与优化，包括Web、Book、Code等多源数据的数据挖掘与质量分析，直接贡献到万亿级别token的高质量语料库；利用大规模CPU/GPU集群优化数据管线，支撑PB级数据的处理与持续迭代
大语言预训练算法研究员
负责下一代预训练范式的研究和创新，推动该技术的规模化；从算法角度推动大模型训练和推理的低成本化，包括优化器改进、量化、投机采样等技术；研究通用智能的本质，设计和迭代通用智能的评估和观测方法，指导下一代范式演进
代码智能体算法研究员
负责代码数据的合成、清洗、权重分配与来源扩充，持续提高代码训练与后训练阶段的数据质量；探究预训练小领域数据的配比与最终效果之间的关系，开发数据合成链路，解决代码模型中的关键问题；探究深度推理技术、测试时计算与模型效果的扩展规律，参与后训练奖励模型与强化学习算法的优化流程
大语言模型post-train算法研究员
参与通用推理大模型对齐方向的研发工作，涵盖数据循环体系的构建；在监督微调与强化学习阶段中对数据使用策略进行系统性探究；深入探索对齐阶段的数据与算法在大规模训练中的可扩展性与优化路径；参与构建世界领先的高性能通用推理大模型，在多项客观评测指标中保持行业领先
端侧大模型推理框架工程师
负责端侧大模型在手机、驾舱及智能硬件等终端的推理部署工作，追求业界领先的端侧推理性能；紧跟端侧大模型推理的前沿技术，将前沿优化方案落地到实际项目中，提升端侧推理性能，减少资源占用；构建全栈端侧大模型推理工具链，保证极致推理性能的同时提升业务交付效率
27届Stepstar-LLM预训练算法研究员
负责下一代预训练范式的研究和创新，推动该技术的规模化；从算法角度推动大模型训练和推理的低成本化，包括优化器的改进、量化、投机采样等技术；研究通用智能的本质，设计和迭代通用智能的评估和观测方法，从而指导下一代范式的演进
27届Stepstar-Code Agent 算法研究员
负责代码数据的合成、清洗、权重分配和来源扩充，持续提高代码中程训练和后训练等阶段的数据质量；探究预训练小领域数据的配比和最终效果之间的关系，开发数据合成链路，解决代码模型中的关键问题
27届Stepstar-LLM后训练算法研究员
参与通用推理大模型/多模态大模型对齐方向的研发工作，涵盖数据循环体系的构建，以及在监督微调（SFT）与强化学习（RL）阶段中对数据使用策略的系统性探究；深入探索对齐阶段的数据与算法在大规模训练中的可扩展性与优化路径，覆盖文本、多模态理解以及Agent（Working Agent/Code Agen…
27届Stepstar-LLM预训练数据算法工程师
负责大语言模型预训练数据体系建设，包括数据采集、清洗、去重、质量过滤、配比设计与数据版本管理；参与构建面向代码、数学、推理、长文本、多语言、多模态等能力方向的数据配方，支持下一代基座模型能力提升
语音算法工程师（大语言模型）
负责语音大模型实时交互能力的工程化落地，推进模型从研发环境到推理部署、服务化及线上环境的交付；负责实时语音模型的推理与性能优化，围绕低延迟、流式处理、资源效率等核心指标进行优化；负责实时语音交互相关工程模块的设计与开发，包括推理模块、Streaming、模型前后处理、Harness等
大模型强化学习算法研究员
研究语言及多模态大模型RLHF阶段的广义强化学习算法，提升大模型能力并探索自我进化路径；研究大模型驱动的智能体算法，包括但不限于ReACT、Voyager、WebGPT、AutoGPT
多模态大模型应用算法工程师
深入个人终端、智能座舱、智慧零售等业务场景，设计高效可行的多模态大模型解决方案，推动AI价值转化；负责多模态大模型的训练与调优，通过建立科学的评测体系，快速迭代模型性能，以满足业务需求
大模型训练框架系统工程师
负责大语言模型、多模态模型的预训练和后训练框架研究与开发；与公司算法团队深度合作，为大模型进行算法与系统的联合优化；进行前瞻性技术调研并进行自主创新，保持公司在大模型系统方面的技术领先地位
大语言模型架构算法研究员
探索新型基础模型架构，如循环模型、线性注意力、混合模型等；研究长文本与记忆机制，包括记忆机制、上下文合并压缩、无限上下文等；进行模型优化与扩展，包括超参数迁移和下一代优化器设计；预计毕业时间介于2026年9月至2027年8月的国内外计算机、数学、人工智能等相关专业优秀应届毕业生
大模型训练框架工程师（训练/推理/算子）
负责强化学习训练与推理基础设施的设计、开发与优化；负责分布式训练、任务调度、权重同步、热更新等核心链路建设；持续优化系统性能，包括吞吐、时延、GPU利用率、训练效率等指标；建设稳定性与可观测能力，定位并解决OOM、超时、通信瓶颈、一致性问题等
大模型架构（协同设计方向）
参与下一代大模型架构的协同设计研究，探索模型算法、计算系统与硬件架构的交叉创新；研究高效模型扩展路径，优化模型在不同规模下的性能与成本；设计内存高效架构，降低训练与推理的存储瓶颈；开展硬件感知架构设计，使模型架构与硬件特性深度适配
27届Stepstar-LLM mid-train 算法研究员
负责大语言模型mid-train阶段的算法研究与能力增强，围绕代码、数学、Reasoning、长上下文、Agent、多模态等方向设计训练方案；构建和迭代mid-train数据recipe，通过数据配比、课程学习、合成数据、回流数据、自蒸馏数据等方式系统提升模型能力
27届Stepstar-大模型后训练系统工程师
深度参与大模型后训练相关系统框架建设，包括训练与推理引擎效率优化、大规模强化学习训练效率优化、系统稳定性优化、算法与工程协同设计、前沿方向自动研究等；开发基础训练与推理引擎，保障精度并优化效率
AI 模型数据分析师
负责训练数据（预训练/SFT/RLHF）的清洗、去重、去污染与标注质检；基于模型评测结果与bad case进行数据归因分析，追溯至数据层面根因，输出可验证的修复方案并推动落实；负责评测基准（Benchmark）的构建与维护，严格控制评测集的版本管理与数据泄漏风险
大模型后训练系统工程师（RL框架）
负责大规模强化学习框架的设计、开发及性能优化，持续提升训练吞吐和资源利用率；负责Rollout、训练、推理等核心链路的优化，提升多阶段协同效率；面向下一代长程任务训练，优化长上下文、多轮交互、异步训练等系统能力
语音大模型工程师
负责语音大模型实时交互能力的工程化落地，推进模型从研发环境到推理部署、服务化及线上环境的交付；负责实时语音模型的推理与性能优化，围绕低延迟、流式处理、资源效率等核心指标优化模型服务运行效率
大模型训练框架系统工程师
负责大语言模型、多模态模型的预训练和后训练框架的研究与开发；与公司算法团队深度合作，为大模型进行算法与系统的联合优化；进行前瞻性技术调研并进行自主创新，保持公司在大模型系统方面的技术领先地位
大模型推理优化系统工程师
参与分布式大模型推理框架的开发与优化，提升推理性能与吞吐量；针对不同场景的LLM请求特点，优化GPU计算流程，打造业内领先的高效LLM推理引擎；调研并引入前沿机器学习系统技术，推动系统架构的持续优化升级
Omni模型算法研究员
负责Omni多模态大模型的研发，涵盖文本、语音、图像、视频等模态的统一建模，包括训练数据构建、模型设计、训练优化及能力评测等工作；参与多模态基础模型的预训练、监督微调（SFT）、强化学习（RL）等关键技术研发，持续提升模型在理解、生成、推理、交互等方面的能力
大模型后训练系统工程师（算子）
负责大模型训练/推理核心算子的开发与性能优化，持续提升算力利用率；负责低精度训练/推理相关算子优化，包括FP8/BF16/INT8等计算路径；负责算子融合、内存访问、通信与计算overlap等底层性能优化
大模型评测基建工程师
构建真实工作场景/Code Task Benchmark（基于Docker的任务）；设计Agent执行环境，包括代码运行、测试与结果验证框架；研发CodeAgent框架，实现任务规划、代码生成、执行与迭代闭环
大模型训推优化工程师-算子优化方向
负责大模型训练与推理过程中算子的性能分析与优化；设计并实现高效算子，提升模型计算效率与硬件利用率；与框架及硬件团队协同，推进算子在实际场景中的落地与迭代；本科及以上学历，计算机/电子/信息/通信/自动化/软件等相关专业优先
大模型后训练系统工程师
构建基础训练与推理引擎，保障精度并优化效率；优化低精度训练与推理效率，建设训练推理一致性；设计并优化大规模强化学习框架，面向下一代长程任务训练进行深度优化；建设系统稳定性，提升大规模训练过程中的容错定位及恢复效率
资源运营（模型采购方向）
对接业务部门，负责采购需求的收集、澄清、评估和优先级管理，识别不合理或重复需求；结合业务规划制定品类采购及资源储备策略；深入研究行业及供应链格局，独立完成供应商挖掘、筛选、评估、商务谈判和准入，持续建设核心及备选供应商资源池
基础模型战略研究专家
负责2至3家重点公司的端到端研究，覆盖组织架构、模型、数据与评测、算力与基础设施、商业化与收入结构，形成结构化、可持续更新的研究成果；建立并维护研究的数据标准，确保关键数字来源明确、时间清晰、信息性质与置信度透明，多来源口径不一致时并列保留并推动溯源
Agent算法后训练基础设施开发工程师
负责Agent执行环境（Sandbox）的基础设施建设与稳定性保障；管理代码执行沙箱、容器与会话生命周期、路由与网络、镜像与预热、资源配额；参与Agent训练/rollout框架与数据基建开发
预训练数据算法研究员/工程师
负责基础模型预训练数据算法研究，构建覆盖数据采集、清洗、过滤、质量评估、配比及迭代优化的完整数据体系；研究课程学习、数据混合、合成数据、自训练、自蒸馏等关键技术，不断优化模型训练效果
大模型训练框架工程师（预训练方向）
负责深度学习训练框架研发，包括框架内核开发、算子适配、功能迭代及性能优化，定位并修复框架底层问题；负责大模型分布式训练系统研发，设计并优化数据并行（DP）、张量并行（TP）、流水线并行（PP）、序列并行（SP）、专家并行（MoE）、ZeRO/FSDP等并行策略，提升超大规模模型训练效率
大模型数据专家运营
负责平台大模型优质学术专家、行业专家、垂直领域数据专家的挖掘与引进，搭建高质量、高活跃的数据专家资源池；做好数据项目需求与专家匹配，保障数据标注、数据评估、数据生产等业务需求专家准确、高效供给
大模型训练框架工程师
负责强化学习训练与推理基础设施的设计、开发与优化；负责分布式训练、任务调度、权重同步、热更新等核心链路建设；持续优化系统性能，包括吞吐、时延、GPU利用率和训练效率等指标；建设稳定性与可观测能力，定位并解决OOM、超时、通信瓶颈和一致性问题
大模型训推优化工程师-算子优化方向
负责大模型训练与推理过程中算子的性能分析与优化；设计并实现高效算子，提升模型计算效率与硬件利用率；与框架及硬件团队协同，推进算子在实际场景中的落地与迭代；本科及以上学历，计算机/电子/信息/通信/自动化/软件等相关专业优先
大模型推理优化系统工程师
参与分布式大模型推理框架的开发与优化，提升推理性能与吞吐量；针对不同场景的LLM请求特点，优化GPU计算流程，打造业内领先的高效LLM推理引擎；调研并引入前沿机器学习系统技术，推动系统架构的持续优化升级
端侧大模型推理优化工程师
负责端侧大模型在手机、驾舱及智能硬件等终端的推理部署工作，追求业界领先的端侧推理性能；紧跟端侧大模型推理的前沿技术，将前沿优化方案落地到实际项目中，提升端侧推理性能，减少资源占用；构建全栈端侧大模型推理工具链，保证极致推理性能的同时提升业务交付效率
语音大模型开发工程师
负责语音大模型实时交互能力的工程化落地，推进模型从研发环境到推理部署、服务化及线上环境的交付；负责实时语音模型的推理与性能优化，围绕低延迟、流式处理、资源效率等核心指标，优化模型服务运行效率
大模型推理优化系统工程师
参与分布式大模型推理框架的开发与优化，提升推理性能与吞吐量；针对不同场景的LLM请求特点，优化GPU计算流程，打造业内领先的高效LLM推理引擎；调研并引入前沿机器学习系统技术，推动系统架构的持续优化升级
资源运营（模型采购方向）
对接业务部门，负责采购需求的收集、澄清、评估和优先级管理，识别不合理或重复需求；结合业务规划制定品类采购及资源储备策略；深入研究行业及供应链格局，独立完成供应商挖掘、筛选、评估、商务谈判和准入
大模型训练框架工程师（预训练方向）
负责深度学习训练框架研发，包括框架的内核开发、算子适配、功能迭代及性能优化，定位并修复框架底层问题；负责大模型分布式训练系统研发，设计并优化数据并行（DP）、张量并行（TP）、流水线并行（PP）、序列并行（SP）、专家并行（MoE）、ZeRO/FSDP等并行策略，提升超大规模模型训练效率
相关搜索词
这些词用于覆盖真实搜索需求，也方便用户继续定位公司、城市、岗位方向和薪资信息。
阶跃星辰算法与研究招聘阶跃星辰算法与研究招聘有哪些公司阶跃星辰算法与研究招聘薪资阶跃星辰算法与研究招聘岗位AI招聘阶跃星辰算法与研究招聘阶跃星辰招聘算法与研究招聘