AI训练构架和优化实习生

招聘部门：算法 【岗位职责】 1、参与大规模分布式训练框架的研发与优化，支持VLA等多模态大模型的高效预训练，微调，强化学习，量化感知训练与推理； 2、设计并实现数据并行、模型并行、张量并行、序列并行等混合策略的自动编排系统； 3、进行端到端性能瓶颈分析（通信、计算、内存、IO），优化千卡/万卡集群的训练效率与稳定性； 4、构建训练容错、弹性伸缩、成本感知调度等企业级特性，支撑物理AI业务的快速迭代。 【任职要求】 1、27届-28届毕业的同学，计算机/软件工程等相关专业，硕博优先； 2、扎实的系统与工程能力：精通Python，扎实掌握数据结构与算法，能高质量实现高性能分布式训练逻辑或底层系统组件； 3、分布式训练深度：熟悉PyTorch/FSDP/Megatron等框架，掌握数据并行、模型并行、张量并行等分布式策略，可做端到端性能瓶颈分析与优化； 4、模型理解：熟悉LLM/VLM/扩散模型等主流架构的训练和推理动态，理解收敛性与效率的权衡。 【加分项】 1、极致性能优化：有AutoML、模型压缩、量化或推理加速经验，或在Kaggle/天池等竞赛中取得优异成绩； 2、学术影响力：在OSDI/SOSP/ISCA/MLSys/NeurIPS/ICML等顶会发表过分布式系统/机器学习系统相关论文，或有高质量GitHub开源项目/工具贡献（如PyTorch/JAX/DeepSpeed社区贡献）； 3、软硬协同视野：深度参与过AI芯片、编译器或软硬协同优化，对算力调度与成本优化有实践积累。