具身智能后训练系统工程师(J11052)

岗位介绍 面向具身智能模型的后训练场景，负责策略推理、环境采样与模型训练之间的系统集成、性能优化和稳定性建设，推动相关任务在摩尔线程 GPU 平台上高效运行。 本岗位优先考察推理引擎、分布式训练及系统性能优化能力。具身智能或强化学习经验为加分项，团队提供相关算法与任务支持。 工作职责

1. 01

   深入开源后训练框架，梳理进程、设备、数据和模型权重的执行与流转链路，完成任务适配和系统集成。

2. 02

   建立端到端性能基线，分析策略推理、环境采样、模型训练、数据传输及权重同步等阶段的耗时与资源利用。

3. 03

   优化批处理、资源分配、并行执行、同步机制及显存使用，减少组件等待，提高整体训练效率。

4. 04

   对接模型推理后端，解决模型执行、权重加载与更新、吞吐及显存相关问题。

5. 05

   通过源码分析、profiling、对照实验和最小复现定位瓶颈，协同算子、通信、驱动及 AI 框架团队完成联调与优化。

6. 06

   与算法和仿真人员合作，验证系统改动对训练正确性、任务效果及稳定性的影响。

7. 07

   沉淀可复用的系统组件、适配代码、性能测试和自动回归能力，支持重点客户交付。

1. 01

   具备扎实的编程和工程能力，熟练使用 Python，能够独立阅读、修改和调试复杂开源项目。

2. 02

   在推理引擎、分布式训练或机器学习系统中，至少一个方向有深入开发经验，参与过核心模块修改、性能优化或复杂故障定位。

3. 03

   理解多进程、异步执行、资源调度、数据传输及同步机制，能够分析跨组件的执行行为和性能问题。

4. 04

   熟悉 GPU 计算基本原理，理解计算、访存、通信和主机调度对性能的影响，能够使用性能分析工具定位瓶颈。

5. 05

   熟悉 PyTorch 或同类深度学习框架，具备模型训练或推理的实际工程经验。

6. 06

   能通过基准测试和对照实验验证优化收益，重视正确性、稳定性和可复现性。

7. 07

   具备独立推进问题闭环及跨团队协作能力，能够有效使用 AI 工具辅助研发，并验证生成代码与分析结论。 加分项 - 有推理引擎的模型接入、批处理、显存管理或权重更新开发经验。 - 有分布式训练、任务调度、计算通信重叠或异构资源管理经验。 - 有强化学习采样系统、机器人仿真或多模态模型相关经验。 - 有国产 GPU 适配、编译器、运行时或 GPU 算子开发经验。 - 有开源项目贡献，或能够展示有实测收益的系统优化案例。