Post-Train 训推基建优化工程师

核心目标 加速 Post-Train 端到端组织迭代效率——让研究员更快地跑实验、更稳地出结果、更低成本地验证想法。 你将参与构建 训推基建易用性：维护并持续优化 Post-Train 训推框架，降低使用门槛，让研究员专注于实验本身而非环境问题 训推效率优化：深入训练与推理全链路，覆盖显存优化、通信加速、调度策略、吞吐与延迟等核心指标，缩短实验周期，提升资源利用率 数据基建：构建高效稳定的数据处理与供给流水线，支持多源异构数据的清洗、混合与动态调度 我们在寻找这样的你 独立思考，不随波逐流 你有自己的判断，不迷信权威，不满足于"跟着做"。你知道什么是对的，也敢于说出来——哪怕结论之后会被推翻。 有工程项目维护经验，对质量有执念 你维护过真实的训推系统，踩过坑、做过性能剖析、经历过规模化带来的各种"意外"。你在意系统的可观测性、可复现性，以及出问题时能不能快速定位根因。 真正理解系统，而不是背答案 你对分布式训推的底层逻辑有第一手认知——从 tensor parallelism 到 pipeline scheduling，从 NCCL 通信到 GPU 显存布局，能在任意层面展开讲清楚。你理解为什么慢、为什么 OOM、为什么不收敛。 把 AI 用到极致 你高强度使用 AI 工具辅助开发、调试和分析，同时清楚 AI 的能力边界。你能快速判断 AI 产出的质量，知道哪里可以放手、哪里必须亲自 review。 任职要求 熟悉 Post-Train 训练流程（SFT、RLVR、RLHF、AgentRL 等），对训推基建有深入了解 有大模型系统开发和优化经验，具备从零搭建或大规模改造训推系统的实际案例