训练推理优化工程师(Mstar)（实习）

负责Momenta自动驾驶大模型、世界模型的分布式训练推理框架研发，主要包括： 1、参与设计、研发、维护团队内部的模型分布式训练框架，擅长分析并深度优化训练各个阶段的性能瓶颈，包括计算效率、通信延迟、显存占用等； 2、结合不断迭代的模型算法逻辑，设计并实现针对性的高效分布式并行训练策略； 3、深入研究 CUDA、NCCL、RDMA 等编程范式和通信库，针对团队内部的GPU和集群拓扑约束，开发高性能算子 并 优化分布式通信效率，达到行业SOTA水平； 4、深入研究低精度混合精度训练策略，在保证模型精度满足预期的情况下，探索低精度（FP8、FP4）训练的性能极限； 5、配合算法需求，开发RL训练框架、迭代RL训练算法逻辑，优化在线Rollout推理性能，深度优化分布式On-Policy/异步RL训练效率。