AI 工程师（训练存储系统）

负责大模型训练过程中数据访问、Checkpoint、日志等存储相关系统的设计与优化，提升训练系统的数据吞吐能力、可靠性和稳定性。参与构建面向超大规模训练任务的高性能存储基础设施。

岗位职责

负责训练数据访问链路优化。

负责 Checkpoint 系统设计与优化，提升保存、恢复和迁移效率。

负责训练日志与监控数据存储链路建设。

分析并解决训练过程中出现的 I/O 瓶颈与存储异常问题。

建立训练存储性能评测体系与监控体系。

任职要求

计算机相关专业本科及以上学历。

扎实的软件工程能力，熟练掌握 Python。

熟悉 Linux 操作系统及文件系统原理。

理解分布式文件系统的基础机制。

具备较强的问题定位和性能分析能力。

加分项

具有分布式文件系统开发经验。

具有存储系统开发经验（Ceph、Lustre、JuiceFS、Alluxio 等）。

具有大规模训练 DataLoader 优化经验。

具有 Checkpoint 系统设计经验。

具有 NVMe、RDMA、高速网络存储相关经验。