微信-WeLM 大模型预训练框架研发工程师（深圳、上海）

负责构建和优化大规模预训练框架，支持文本、语音、图像等多模态数据的联合学习与高效训练；

深入优化长序列场景下的分布式训练与显存利用（如context parallel、2D/环形 Attention、混合并行、激活重计算等），在百万级 token 训练中提升吞吐与性价比；

负责后训练（Post-training）阶段框架建设，包括强化学习（RL/RLHF）、偏好建模（Reward Model）及人类反馈优化（Alignment）等流程；

深入优化分布式训练框架与推理效率，提升算力利用率与模型吞吐性能；

跟踪前沿研究趋势，探索高效预训练策略（如Mixture of Experts、Continual Pretraining等）；

与算法、数据、平台团队协作，形成从数据处理到训练部署的全流程自动化解决方案。

计算机科学、人工智能、模式识别、计算语言学等相关专业硕士及以上学历；

精通一种或多种主流深度学习框架（PyTorch、JAX、TensorFlow），具备大规模分布式训练经验；

熟悉Transformer系列架构，理解其在语言、语音、视觉等方向的模型原理与实现；

了解 LLM 的训练流程，有 Megatron, DeepSpeed 等大规模训练框架使用经验者优先；

对RL/RLHF、偏好学习、奖励建模有实践经验者优先；

具备扎实的工程实现能力与代码规范意识，熟悉CUDA优化、参数并行、流水线并行等技术；

具备良好的团队协作与沟通能力，热爱探索与创新。 加分项

在 GitHub 等平台持续参与主流大模型 / 分布式训练 / RLHF 等项目的开发维护，有高质量 PR 被核心项目合并，或担任 maintainer / reviewer；

主导或深度参与自研预训练 / 后训练框架、长上下文训练工具链等开源项目，具备清晰的技术文档与使用教程，拥有一定 Star / Fork 规模和社区用户；

在 Hugging Face 社区、技术博客或开发者论坛上定期分享工程实践（如长上下文训练、MoE、大规模分布式调优等），具备良好的技术传播与社区影响力。