【岗位职责】
* 负责大规模深度学习模型（如 [LLM/多模态/CV大模型]）的预训练（Pre-training）、指令微调（SFT）及人类反馈强化学习（RLHF）的全流程算法研发与迭代。
* 负责分布式训练框架的搭建与优化，利用 Megatron-LM, DeepSpeed, FSDP 等技术解决大规模参数模型的显存墙和通信墙问题，提升训练吞吐量（Throughput）和线性加速比。
* 监控并分析训练过程中的 Loss 收敛情况，解决梯度爆炸/消失、训练发散、精度溢出等问题，保障长时间大规模训练任务的稳定性。
* 设计并优化大规模训练数据的处理管线（Data Pipeline），包括数据清洗、配比优化、Tokenization 策略，确保高质量数据的高效供给。
* 跟踪顶会（NeurIPS, ICML, ICLR, CVPR等）的前沿算法，复现并验证最新的模型架构（如 MoE, Linear Attention 等）及优化器算法。
【任职要求】
* 统招本科及以上学历，2年以上工作经验，具有扎实的数学基础和算法功底。
* 精通 Python，具有扎实的 C/C++ 基础，代码风格良好；熟悉 Linux 开发环境及 Shell 脚本。
* 深度掌握 PyTorch 框架，熟悉其底层原理（如 Autograd, Distributed Data Parallel）；熟悉 TensorFlow/JAX 者加分。
* 对 Transformer 架构、Attention 机制、Normalization 技术、各类优化器（AdamW, Lion 等）有深刻理解，并能从数学层面推导。
* 熟悉多机多卡训练原理，熟练使用 DeepSpeed, Megatron-LM, Colossal-AI 或各类加速库（FlashAttention, vLLM），有千卡/万卡集群训练经验者优先。
* 具备优秀的问题分析与解决能力，能在训练资源受限或训练异常时快速定位并解决问题。
【加分项】
* 熟悉云计算环境（如 Kubernetes, Containerd, Docker）及大规模集群调度。