工作职责：在这个岗位上，你将有机会接触并参与到以下一个或多个前沿方向： 1、参与分布式训练架构探索：协助研究与设计下一代大模型训练系统，探索包括数据并行、模型并行、流水线并行在内的混合并行策略。 2、攻坚系统性能瓶颈，参与大模型推理架构与多智能体强化学习探索：协助研究与设计智能推理框架，探索包括P/D分离、Agentic Reasoning、kernel推理加速在内的服务优化策略。 3、研发高效训练工具链：参与开发或优化内部训练框架、性能剖析工具及自动化调度系统，提升平台资源利用率和研发效率。 4、跟踪并实践前沿技术：追踪业界最新技术动态（如MoE、无限上下文、多模态训练等），并尝试将其集成到我们的系统中以解决实际问题。 5、参与开源社区与技术分享：鼓励将研究成果以技术博客、开源代码或学术论文的形式输出，与全球社区共同进步。

岗位要求：
1、应届硕士或博士研究生，计算机科学、人工智能、电子工程或相关专业。 2、知识基础：扎实的计算机系统基础，熟悉操作系统、计算机网络、数据结构与算法，熟悉Python/C++等至少一门主流编程语言，具备良好的工程实现能力。 3、了解PyTorch或TensorFlow等深度学习框架的基本原理和使用，有分布式系统、高性能计算相关的课程项目、研究课题或实习经验。 4、良好的团队协作精神：善于沟通，乐于分享，能与团队成员高效协作。 加分项： 1、在相关领域的顶级会议（如NeurIPS, ICML, MLSys, OSDI等）或期刊上有论文发表或投稿经历。 2、熟悉MPI、NCCL等通信库，或对CUDA编程有基本了解。 3、有活跃的开源项目贡献经历。