高级机器学习工程化研发工程师（infra方向）

一、岗位职责描述

1. 研发大规模分布式训练系统：3D并行（DP/TP/PP/EP）、MoE路由与负载均衡、通信-计算重叠、长序列训练显存与通信优化；

2. 训练稳定性与效率攻关：故障容错与断点续训、loss spike诊断、集群级吞吐与MFU优化、异构算力调度；

3. 推理系统研发：高吞吐低时延serving、KV Cache管理、投机采样/量化/蒸馏加速，面向Agent与自驱实验室在线闭环的推理架构；

4. 数据管线与存储系统建设：超大规模语料读写、去重、版本化与血缘追踪；

5. 与模型团队协同，把系统能力转化为模型迭代速度，沉淀系统论文与开源组件。

二、岗位要求

1. 2026年9月-2027年8月毕业的博士，计算机系统/体系结构/高性能计算/分布式系统等相关专业；

2. 精通C++/CUDA/Go至少一门，熟悉GPU体系结构与性能分析；

3. 熟悉Megatron-LM/DeepSpeed/FSDP/vLLM至少其一，有千卡级集群训练或推理系统实战经验；

4. 能针对训练/推理瓶颈提出新的系统抽象或优化方法并在真实负载上验证。