大模型数据引擎工程师

参与打造生成式大模型的数据基础设施，构建高性能、分布式、可扩展的数据系统，通过数据驱动模型生产，让海量数据场景下的算法迭代又快又稳；

参与构建 agentic 数据生产体系：将数据基建能力封装为 agent 可靠调用的工具与服务，参与研发数据链路的编排与运行框架——让数据管线的搭建、运维、排障逐步由 agent 自主完成；

在导师带领下攻坚以下领域之一的核心架构难题：大规模分布式计算与调度 / 海量多模态存储 / 跨模态检索 / 大规模批量推理优化等；

参与建设数据管线的无人值守能力与全链路可追溯：作业级容错与自愈、自动化质量监测、数据版本化与血缘、数据实验归因体系；

与算法、数据交付团队紧密协作，共同定义算子与数据服务的接口标准，以 Co-Design 方式共同提升模型效果。

计算机及相关专业本科及以上学历；

扎实掌握至少一种系统语言（C++/Go/Rust/Java）及 Python，有课程项目或实习中的系统开发实践，对吞吐/延迟/资源成本有基本体感；

对以下某一方向有浓厚兴趣和扎实基础，愿意深入钻研（方向说明见下方）；

具备抽象思维：能把复杂问题拆解为清晰的模块与接口，有意识地追求"好用、可复用、可观测"的设计；

善用 AI-coding 与大模型工具，认同 agentic 研发理念；

沟通务实，乐于跨团队协作，尊重相邻方向的专业判断。 方向长板（以下四选一，至少一个方向达到深入理解水平）：

分布式计算与调度：深入理解 Ray/Spark/Flink 之一的架构与调度机制，有课程实验或实习中的大规模数据处理实践；了解 Kubernetes 批调度、GPU 调度者优先；

存储与数据湖：理解对象存储/数据湖/分布式缓存的核心设计，有海量数据读写的实践或课程项目经验；了解数据版本化或血缘系统者优先；

检索与索引：理解向量检索引擎（Faiss/Milvus 等）或倒排/多维索引的原理，有 ANN 建库或检索调优的实践；了解跨模态检索（文搜视频/以图搜视频）者优先；

推理优化：理解 vLLM/SGLang/TensorRT 类推理框架的核心机制，对动态 batching、量化加速、显存与吞吐调优有实践认知；了解视觉/多模态模型推理优化者优先。 加分项（各方向通用）：

有多模态/视频数据处理相关经验（视频编解码、GPU 视频处理管线、BMF/Ray Data 类框架）；

参与过知名开源项目，或有高水平论文（CVPR/ICCV/ECCV/NeurIPS/ICML 等）；

有ACM/ICPC、Kaggle 等竞赛获奖经历；

有相关方向的大厂实习经历。