岗位描述
岗位描述：以加速 Post-Train 端到端组织迭代效率为核心目标，让研究员能够更快地跑实验、更稳地出结果、更低成本地验证想法。参与构建和持续优化 Post-Train 训推框架，提升基建易用性，降低使用门槛，让研究员专注于实验本身而非环境问题。深入训练与推理全链路，围绕显存优化、通信加速、调度策略、吞吐与延迟等核心指标开展训推效率优化，缩短实验周期，提升资源利用率。构建高效稳定的数据处理与供给流水线，支持多源异构数据的清洗、混合与动态调度。 岗位要求：具备独立思考能力，有自己的判断，不盲从权威，能够基于事实推动方案落地。拥有真实训推系统的维护经验，做过性能剖析，经历过规模化带来的复杂问题，重视系统的可观测性、可复现性以及问题根因定位能力。对分布式训推底层逻辑有深入理解，能够清晰说明 tensor parallelism、pipeline scheduling、NCCL 通信、GPU 显存布局等关键机制，理解系统变慢、OOM、训练不收敛等问题的原因。能够高强度使用 AI 工具辅助开发、调试和分析，并清楚 AI 的能力边界。熟悉 Post-Train 训练流程，包括 SFT、RLVR、RLHF、AgentRL 等，对训推基建有深入了解。有大模型系统开发和优化经验，具备从零搭建或大规模改造训推系统的实际案例。