（27届 ASP）MLP-AI训练/推理框架工程师

参与 AI 模型预训练、微调、强化学习训练、评估与推理平台的研发，建设易用、稳定、高性能的工具链与基础能力。 参与大规模分布式训练、强化学习训练和推理系统的性能优化，围绕计算、通信、显存、存储、调度等方向持续提升资源利用率与任务效率。 参与强化学习训练流程的工程化建设，支持奖励模型训练、策略优化、数据采样、经验回放、分布式 Rollout 等训练环节的稳定运行与效率优化。 参与深度学习框架、训练/推理引擎及相关组件的开发与优化，包括框架执行、算子实现、并行策略、通信机制和资源调度等。 与算法、业务及平台团队紧密协作，支撑模型从数据准备、预训练、后训练、强化学习训练、评估到上线推理的端到端流程。 持续关注大模型、强化学习、分布式系统和高性能计算领域的新技术，结合实际业务场景推动技术验证、落地和迭代。

2027届应届毕业生，本科及以上学历，计算机、软件工程、人工智能、电子信息、数学等相关专业优先。 具备扎实的计算机基础，熟悉操作系统、计算机网络、计算机组成原理、并发编程等相关知识。 掌握常用数据结构与算法，具备良好的编码能力，能够使用至少一种主流编程语言解决实际工程问题。 具有良好的团队合作精神，能够与跨部门的团队紧密合作，共同推动项目的成功。 具备较强的自我驱动力和学习能力，并乐于不断尝试、追求业务突破。 加分项 有大模型、生成式 AI、强化学习、NLP 或多模态模型相关的课程项目、科研、竞赛、实习或开源实践经历。 熟悉 AI 领域常见分布式训练技术的原理和实现，包括但不限于：数据并行、流水线并行和张量并行等，并具有相应的项目经验。 熟悉一种或多种深度学习框架，如 Pytorch、Tensorflow、PaddlePaddle、Deepspeed、Megatron 等，能够熟练使用并解决使用中遇到的问题。 熟悉 GPU/NPU 硬件架构和SIMD/SIMT编程原理，有 CUDA/CUTLASS/CuteDSL 相关算子开发、调优经验，了解主流分布式通信库（如 NCCL、NVSHMEM 和 DeepEP 等）的底层实现原理。 熟悉 AI 模型训练、微调、评估算法和流程，具有相关项目经验。 了解大模型后训练或强化学习训练的基本流程和方法，例如监督微调、奖励模型训练、偏好优化、基于人类反馈的强化学习、策略优化等