大模型后训练系统工程师

岗位简介

负责大模型后训练相关系统建设,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。

岗位职责

1.基础训练/推理引擎构建、精度保障、效率优化等

2.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

任职要求

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Al Coding,有使用或建设代码助手、自动化研发工具、Coding Agent的经验。