【27届校招】训练平台开发工程师(A216985)

1. 负责大模型训练平台的整体设计与工程落地，支撑从单机到千卡级集群的训练任务高效运行； 2. 构建统一多云多端的训练平台，支持多种分布式训练模式（DDP/FSDP/ZeRO/Megatron），实现训练任务的自动化编排与弹性调度； 3. 设计高性能数据通路与存储体系（数据加载加速、缓存、分布式文件系统/对象存储、数据预取），解决大规模训练中的 I/O 瓶颈； 4. 构建训练性能优化体系（profiling、算子与通信分析、GPU 利用率），完善训练可观测性与稳定性体系（metrics/logs/traces、异常检测、自动恢复、checkpoint/容灾），支撑长时间稳定训练； 5. 同时推进平台化能力（实验管理、版本管理、CI/CD、权限与多租户隔离）、自动化训练能力，提升整体研发效率与资源利用率。