腾讯存储-面向高性能基础服务的软硬协同技术研究

课题背景： 在大模型训练/推理场景下，如何优化存储/缓存系统来提升训练效率/推理TTFT非常重要。 课题挑战： 高性能存储/缓存为了支持好训/推场景，需要对全链路有深入的理解，来上下游CoDesign提供最佳解决方案，确保在链路的任何一环不能出现短板。 具体工作： 深入理解各类存储相关技术以及模型训练/推理方面的最新进展，研发相关基础服务，解决实际的训练/推理的痛点，提升性能，创造实际价值。 该课题涉及到的存储/计算技术包括但不限于：PyTorch框架/Megatron-LM训练框架、近端存储、对象存储、文件存储、RDMA、CXL、NVMeDirect、用户态文件系统、高性能协程计算框架等。

1. 01

   计算机、软件工程、信息工程、人工智能、电子工程、应用数学等相关专业，博士及优秀硕士学历；

2. 02

   在软件工程领域具备优秀科研能力，有FAST、SOSP、OSDI、ASPLOS、VLDB、EuroSys等国际顶级学术会议或期刊论文发表者优先；

3. 03

   熟悉分布式存储相关技术，具备存储前沿技术研究如软硬协同、智能存储等方向背景者优先。