AI平台系统工程师

岗位职责
1. 调度系统研发：负责AI平台调度系统研发，基于Volcano调度器实现集群资源统一调度与拓扑感知调度，提升GPU/CPU等异构资源利用率；
2. Gang Scheduling策略：设计并实现Gang Scheduling（成组调度）策略，保障分布式训练任务的资源协同分配，避免资源死锁与任务饥饿；
3. 训推混部落地：推进训推混部技术落地，实现训练任务与推理服务的动态资源调度与算力抢占，提升集群整体吞吐；
4. 弹性伸缩建设：负责集群弹性伸缩能力建设，根据任务负载动态调整计算资源，实现按需扩缩容与成本优化；
5. 性能优化与故障排查：参与大规模分布式训练平台的性能优化与故障排查，建设调度可观测性体系，保障平台稳定运行。

岗位要求
1、本科及以上学历，计算机、电子工程、通信工程相关专业；
2、熟悉Linux操作系统，掌握Go/Python中至少一门编程语言，了解K8s架构与核心组件，熟悉Pod调度、资源管理等基本概念；
3、了解分布式系统原理，对集群调度、资源管理有一定理解，对高性能计算与分布式系统有浓厚兴趣；
4、具备良好的工程素养与问题定位能力；
5、有Volcano、YuniKorn或类似调度器使用/二次开发经验者优先，了解RDMA、NVLink等高性能网络技术或有大规模分布式训练平台运维经验者优先。