分布式训练框架优化实习生（金融时序方向）

岗位支持的是AI量化投资业务 我们的算力：自建千卡GPU大型集群，A100与H100充足，服务器并行运算速度超快 岗位职责： 1. 分布式训练框架模块迭代： 负责公司内部深度学习训练框架的研发，重点解决单机多卡与多机多卡场景下的分布式训练问题。现有框架已完成主体架构，你将接手DataLoader与GPU通信链路的深度优化——这恰恰是多卡训练中最影响吞吐的关键环节。你将需要先吃透现有代码设计，再针对数据加载、batch分发、跨卡同步等模块做精准改进。 2. 训练性能诊断与调优： 用torch.profiler等工具为训练任务做一次“全身体检”，找出数据加载慢、GPU空转、通信等待的真实原因，并给出可落地的优化方案。这不是机械调参，而是系统性的性能工程。 3. 训练链路稳定性建设： 开发和完善训练管线的关键组件，包括断点续训、动态容错、混合精度训练、梯度裁剪、训练过程监控与告警等。 4. 技术支持与工具建设： 为算法和模型研发团队提供分布式训练的技术支持、最佳实践指导和内部工具链，降低使用门槛。