【主要职责】： 1、负责深度学习平台的系统架构设计和研发工作，提供端到端的模型交付能力 2、集成云原生能力，负责模型研发、训练、推理、Agent等相关功能，提升平台资源利用率和计算效率 3、负责大模型训练/推理的监控、排障和容错，参与模型训练和推理性能调优 4、持续运营，改进平台性能、易用性和稳定性，优化用户体验 【基本资格】 1、计算机科学，工程或相关领域的学士学位； 2、熟悉Linux开发环境，掌握Golang/Python等语言，具备良好的代码规范意识和文档编写能力； 3、熟悉云原生相关技术，如kubernetes、kubeflow、volcano等，具备二次开发经验； 4、熟悉微服务、数据库、分布式系统、缓存技术、消息队列等相关技术； 5、强大的解决问题能力，热爱技术，有较强的自我驱动学习能力，持续关注前沿技术发展 【期望资格】 1、相关领域的硕士学位； 2、深入理解深度学习理论，熟悉主流训练推理框架Pytorch/Deepspeed/Megatron/Triton/Vllm，故障定位和性能调优方向有相关项目经验； 3、参与过AI Infra相关项目，熟悉FlashAttantion、DLRover、AIBrix等社区项目； 4、具备大规模GPU集群的研发和实践经验，了解通用GPU架构、GPU虚拟化、RDMA高速网络和分布式存储技术