基础设施系统工程师-训练平台

岗位描述：基于 Kubernetes 构建稳定、可扩展的大模型训练平台，实现 GPU 算力资源的自动化管理与高效调度；通过自动化手段保障内部超大规模训练任务的高效运行；优化训练作业调度器，提升拓扑感知、抢占与弹性扩缩容能力；跟进云原生前沿技术，持续优化异构资源编排能力。 岗位要求：具备良好的代码开发习惯，熟练掌握 Golang，具备基础全栈能力，有较高代码质量追求者优先；精通 K8s 核心组件，包括 Scheduler、Kubelet、Operator，并具备生产环境下大规模集群运维或开发经验；掌握可观测性理念，熟悉 Prometheus、OpenTelemetry；具备快速学习能力，能够独立思考并解决问题；具备良好的团队合作精神和沟通能力。