课题详情： 课题背景： 当前大规模GPU训练推理任务仍然面临硬件软件故障的挑战，造成任务中断影响业务 课题挑战： 牵头框架、算力、网络、存储等跨模块技术协同，设计并落地全链路关键指标（metric）采集体系，构建覆盖训练全生命周期的可观测性平台，实现问题早发现、早定位。 主导智能化故障节点与慢节点检测平台研发，攻克大规模集群下节点异常识别、根因分析难题，建立自动化故障隔离与恢复机制，显著降低故障对训练任务的影响。 具体工作： 负责infra相关链路稳定性治理、规范建设；联动框架、算力、网络各模块完善关键metric采集，系统性构建故障节点、慢节点检测平台化能力；联合混元大模型一站式建设统一的任务自动续训能力 课题要求： 1、包含但不限于计算机、信息工程、模式识别、人工智能、自动化、软件工程、电子工程等相关专业的博士和优秀硕士； 2、有至少其中一项技能/知识：熟悉一种训练框架、GPU编程、高性能网络/分布式并行、编译器优化、大规模数据处理； 3、在AIInfra、强化学习、AIAgent等领域进行过深入调研和探索或者在CPU/GPU体系架构，高性能计算/CUDA，分布式训练系统相关领域经验者优先； 4、有好奇心，自驱力强，有较好的学习能力和沟通能力，编程能力强； 5、良好的沟通协作能力，能和团队一起探索新技术，推进技术进步。