同花顺
训练 Infra 算法工程师
岗位职责
【团队介绍】 我们负责千亿级参数量大模型训练技术栈的效率与可靠性建设，构建稳定、高效、可扩展的训练与评测流程，持续降低模型迭代过程中的工程开销。服务内部模型训练团队，重点覆盖金融垂类大模型持续预训练与后训练（含 agentic RL）场景下的训练环境、实验管理与评测体系建设，并逐步引入智能体承担链路中的重复性工作。
【岗位方向】 大模型训练 Infra × 智能体工程：训练环境与运行稳定性、性能分析与优化、训练抽象与分布式实验管理、可观测性与评测体系、研发工具链与自动化探索。
【工作内容】
训练环境与运行稳定性建设，包括：可扩展的容器 / 沙箱架构设计，支撑长时程 agentic 任务的高频起停与强隔离；任务启动开销、依赖分发与环境复现优化；分布式训练常见故障（OOM、通信超时、节点故障、慢节点等）的定位与治理；断点续训与容错恢复机制实现。
训练与推理链路的性能分析与优化，包括：基于 profiling 与 benchmarking 的瓶颈定位；并行策略配置、显存与通信优化、吞吐提升；checkpoint 读写与数据加载管线优化；评测推理服务的部署与容量规划。
训练抽象与分布式实验管理，包括：训练任务的统一抽象与 API 设计，覆盖持续预训练、微调、评测等任务类型的接入；跨 GPU 集群的任务提交、状态跟踪与结果回收；实验记录、产物版本与血缘管理，保障实验结果的可复现性与横向可比性。
可观测性与评测体系建设，包括：训练指标采集、异常检测与告警看板；评测环境与评测流程的设计实现；评测数据管理与污染防护；评测结果的标准化与跨版本可比性保障。
研发工具链与自动化探索，包括：训练链路的工具建设与流程自动化；面向智能体的可编程接口与受控执行环境设计，及配套的权限与资源约束机制；基于历史实验数据的超参与数据配比自动化搜索方法探索。
任职要求
【职位要求】
硕士及以上学历，计算机、软件工程、人工智能等相关专业优先。
具备分布式系统、基础设施或研发工具链方向的工程经验，熟练使用 Python（有 Go / C++ 经验加分），熟悉并发与异步编程，具备良好的代码规范与系统化落地能力。
熟悉多模态大模型训练流程，了解持续预训练、微调、评测等环节的工程实践；理解分布式训练的并行策略与资源模型，熟悉常见故障模式及排查思路。
了解主流分布式训练框架（Megatron-LM、DeepSpeed 等）与推理框架（vLLM、SGLang 等）的原理与使用。
具备较强的问题定位能力，能够基于 profiling、日志与监控数据定位训练、调度、存储、网络等环节的复杂问题。
了解容器与云原生技术栈（Docker、Kubernetes 等）的基本原理，能够与基础设施团队就任务调度、资源隔离、抢占与恢复等机制进行有效对接。
具备良好的抽象与接口设计能力，能够在通用性与易用性之间取得平衡，设计可扩展、易维护的系统。
具备良好的跨团队沟通与推动能力，能够独立完成需求对齐与交付跟进。
【加分项】
有千亿级参数量多模态大模型的训练或推理落地经验者优先。
对金融数据有深入了解与处理经验者优先。
在 ACM/ICPC、NOI/IOI、Kaggle 等竞赛中获奖，具备优秀的算法与工程实践能力。
有 agentic RL / 长时程任务的训练环境建设经验者优先。
熟悉沙箱与虚拟化技术（Firecracker、Kata Containers、gVisor 等），有强隔离与快速启动场景实践经验者优先。
有大规模训练任务的运维与排错经验，熟悉训练中常见故障及排查思路者优先。
有分布式训练性能优化经验者优先：并行策略调优、显存优化、通信优化、训练稳定性保障等。
熟悉性能分析工具链（Nsight、PyTorch Profiler、NCCL Tests 等）者优先。
有实验管理与可观测性体系（如 MLflow、Weights & Biases 等）的建设或深度使用经验者优先。
熟悉 Agent 相关机制（任务规划、工具调用、上下文管理、可靠性工程等），并有实际落地经验者优先。
具备大模型训练 / 微调经验者优先：数据构建、指令微调、偏好学习 / RL、推理优化等。
有超参搜索、AutoML、贝叶斯优化或自动化实验相关研究与实践经验者优先。
在 ICML、ICLR、NeurIPS、MLSys 等顶级会议 / 期刊发表过相关成果者优先。
主导或参与过有影响力的 AI 基础设施开源项目者优先。
信息来自企业官方招聘渠道
OfferSeek 对公开岗位信息进行聚合、去重和结构化整理，最终申请以企业官方页面为准。