岗位详情
【岗位描述】
- 1. 深度参与大模型后训练相关系统框架建设，包括不限于训/推引擎效率优化、大规模RL训练效率优化、系统稳定性优化、算法/工程co-design、前沿方向auto-research等等； 2. 基础训练/推理引擎开发、精度保障、效率优化等； 3. 低精度训推效率优化、训推一致性建设等； 3. 大规模RL框架设计/优化，面向下一代长程任务训练深度优化； 4. 稳定性建设，提升大规模训练过程中容错定位及恢复效率； 5. 算法/工程co-design，共同优化系统易用性、共同提升算法效果； 6. 提升系统可观测性，支持细粒度的指标建设、生命周期追溯管理等。
【岗位要求】
- 1. 熟悉PyTorch分布式训练/推理原理，熟悉Megatron/FSDP、vLLM/Sglang优先； 2. 熟悉PPO原理及各变种RL算法，熟悉verl、slime等框架优先； 3. 熟悉性能分析、问题排查相关工具，具备独立定位解决复杂问题能力； 4. 熟悉AI Coding，有使用或建设代码助手、自动化研发工具、Coding Agent的经验。