具身智能训练优化工程师(J11051)

面向具身智能模型的预训练与监督微调，负责代表性模型在摩尔线程 GPU 平台上的适配、性能优化与稳定性建设。结合客户需求，深入主流开源训练框架，沉淀可复用的训练方案、数据管线和优化能力。

工作职责

1. 完成代表性视觉语言动作模型（VLA）的训练适配、正确性验证与性能基线建设。

2. 深入分析计算、显存、通信和数据加载瓶颈，优化训练吞吐、资源利用率及运行稳定性。

3. 优化混合精度、梯度累积、激活检查点和分布式训练策略，验证优化对数值精度与模型收敛的影响。

4. 优化多模态训练数据管线，包括数据读取、预处理、采样和加载。

5. 深入开源框架源码，通过性能分析、对照实验和最小复现定位问题，协同算子、通信、驱动及框架团队完成优化。

6. 支持重点客户的训练问题排查，将共性需求沉淀为代码改进、训练配置、回归测试和技术文档。

7. 指导实习生开展模型适配、基准测试和文档工作，并负责技术验收。

任职要求

1. 扎实的 Python 编程能力，熟悉 PyTorch，能够独立阅读、修改和调试开源训练代码。

2. 理解深度学习训练原理，熟悉自动求导、优化器、混合精度及常见显存优化方法。

3. 有多 GPU 训练或训练性能优化经验，熟悉 DDP、FSDP、DeepSpeed 中至少一种方案。

4. 能使用性能分析工具、日志和对照实验，区分计算、通信、数据加载及框架调度瓶颈。

5. 能验证训练正确性、收敛表现和稳定性，具备完整的问题复现、定位及修复验证能力。

6. 能有效使用 AI 编程与分析工具，并通过实验验证生成代码及分析结论。

加分项

- 有 VLM、VLA、机器人学习或多模态模型训练经验。

- 有开源训练框架贡献或深度定制经验。

- 有国产 GPU 适配、PyTorch 后端、编译器或 GPU 算子开发经验。

- 有大规模图像／视频数据处理和训练存储优化经验。