基础设施系统工程师（训练平台）

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，优化异构资源编排。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；精通 K8s 核心组件（Scheduler、Kubelet、Operator），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，并具备良好的学习、独立思考、问题解决与团队协作能力。