AI系统技术专家 （并行训练优化与集成）

岗位职责
1. 并行训练策略设计与优化：基于Megatron-LM、DeepSpeed或同类框架实现/优化DP、TP、PP等并行策略与调度;
2. 并行策略自动搜索：构建或集成并行策略自动搜索系统，结合性能模型与运行时反馈在给定硬件/拓扑下选择最优并行与微批配置;
3. 动态负载均衡与内存优化：进行计算图分析，设计动态负载均衡与重计算/激活检查点/内存分配优化，降低OOM风险并提升吞吐;
4. 收敛与数值稳定保障：在性能优化过程中评估并保障训练收敛性与精度（如混合精度、梯度缩放、通信压缩对收敛的影响）;
5. 系统集成与联调：与编译子系统、通信库集成、接口标准化与兼容性治理，推进全栈联调与版本发布。

岗位要求
1. 硕士及以上学历，计算机科学与技术、电子工程、人工智能、软件工程等相关专业；
2. 具有使用Megatron-LM、DeepSpeed、PyTorch FSDP等进行大模型分布式训练的经验；参与过并行策略自动搜索、调度优化或千亿参数级训练支撑项目者优先；有多机多卡集群训练性能调优与问题定位经验者优先；
3. 熟悉分布式训练基础与并行范式（DP/TP/PP/ZeRO/FSDP等），了解关键组件（optimizer、通信、checkpoint、数据管线等）；熟悉PyTorch生态与训练工程实践，具备计算图/调度分析能力；掌握性能分析与故障定位方法（profiling、trace、日志、性能计数器等），并能将优化落地到生产训练流程；
4. 具备优秀的系统性问题分析和解决能力，良好的团队协作与沟通能力，能够承担有挑战性的研发任务，并具备较强的学习能力和创新思维；
5. 对国产AI芯片生态建设有热情，能适应阶段性高强度研发工作。有责任心，注重代码质量与工程规范。