蚂蚁集团-蚂蚁技术研究院-LLM系统工程师

我们将致力于打造面向前沿多模态与智能体技术的高可靠、高效率的AI基础设施，并推动团队研发工程体系的规范化与能力沉淀。 1，负责面向多模态及复杂智能体（如视觉创作/设计）的系统底座设计，构建涵盖运行环境、安全沙箱、跨模态工具调用（GUI/渲染引擎/浏览器）、状态持久化与轨迹回放的基础设施；解决状态管理、资源隔离与高并发调度等共性挑战。 2，负责支撑多模态训练、SFT、强化学习（RL / Agentic RL）及低延迟推理的核心系统建设；协同优化 RL 场景下的高并发 Rollout 推理、异步多轮环境交互调度、多模态数据流转、显存管理与分布式通信，持续提升集群资源利用率与端到端系统吞吐。 3，与模型算法团队深度协同，具备算法和系统双重视角；能够从快速演进的前沿业务中抽象共性系统需求，识别跨模型、框架与系统层的性能瓶颈，沉淀可复用的 Infra 架构与通用组件。 4，深入分析并解决大规模分布式训练、推理及线上服务中的性能抖动、资源异常、网络/存储瓶颈等复杂问题；推进团队工程规范建设，构建可观测、可诊断、可回归的工程质量与稳定性治理体系，将单点问题解决沉淀为长期的系统能力。

1，计算机、软件工程或相关专业硕士及以上学历（工程架构能力突出者可放宽至本科），3年以上 AI Infra、分布式系统、机器学习系统或大型基础软件架构研发经验。 2，具备出色的复杂系统抽象与顶层架构设计能力；精通 Python/C++/Go/Rust 中的至少两种语言，具备优秀的代码品味与工程规范意识，能推动团队研发规范与工程质量的整体升级。 3，具备扎实的计算机系统基础（Linux 系统、容器与资源隔离、网络通信、存储 I/O、集群调度等）；拥有复杂系统问题解决能力，能够结合日志、指标、Trace 及底层状态完成端到端的性能剖析与根因定位。 4，熟悉主流大模型训推生态（如 PyTorch、vLLM、SGLang、Megatron、DeepSpeed 等），理解模型计算/通信特征与底层系统设计之间的耦合关系，具备优秀的跨团队技术沟通与协同推动力。 5，对大模型后训练（RLHF / AgentRL）或智能体运行机制（Harness、上下文管理、沙箱环境）中的任一方向有深入理解或架构设计经验者优先。 加分项（满足任一即可）： 1，熟悉或深度参与过主流强化学习/分布式计算框架（如 veRL、OpenRLHF、AReal、slime、Ray 等）的研发或大规模集群调优。 2，有 Agent 运行时框架或 Harness（如 Claude Code/Agent SDK、Codex、OpenHands、LangGraph 等）的研发或深度定制经验；熟悉面向代码执行、GUI/浏览器控制、图形渲染或设计工具链的交互式环境（Environment/Sandbox）构建。 3，有多模态大模型（视觉生成/理解、实时音视频等）训推优化，或高并发、低延迟流式服务系统的架构设计与稳定性治理经验。 4，在主流 AI 训推框架、Agent 生态或分布式系统开源项目中有核心贡献，或在 OSDI、SOSP、NSDI、EuroSys、ASPLOS、MLSys 等顶会发表过相关论文。