腾讯算力统一运行时技术的研究

1、跟踪业界最新强化学习领域算法/训练范式进展，完成大模型强化学习训练框架的设计与实现，提升大集群分布式训练性能，缩短模型迭代周期； 2、负责大模型SFT/蒸馏训练框架的设计与实现，提升分布式训练性能； 3、负责分布式大模型推理引擎的方案设计与实现，快速完成业界Sota模型的规模化上线服务； 4、负责异构计算芯片（GPU/NPU/ASIC等）的评估、选型以及计算加速引擎设计实现。

1. 围绕大模型异构算力集群，尤其是国产算力集群，面向大模型训练和推理场景支持算力评估、适配和落地维护，具体包括分布式优化框架，AI框架，网络集合通信，算子等方面内容 2. 负责大模型分布式优化框架的系统分析，性能调优，特性开发，问题定位等工作，支持常见的大模型分布式优化框架 3. 负责PyTorch在异构算力下系统分析，性能调优，问题定位等工作 4. 负责常见的大模型场景下高性能Kernel算子的关键指标分析和统计，融合开发，性能优化等工作 5. 负责大模型超万卡规模的集合通信/NCCL关键指标分析和统计，系统定位/调优等工作 6. 负责多种算力的Benchmark评测，对比验证，性能分析等工作

1. 围绕大模型异构算力集群，尤其是国产算力集群，面向大模型训练和推理场景支持算力评估、适配和落地维护，具体包括分布式优化框架，AI框架，网络集合通信，算子等方面内容 2. 负责大模型分布式优化框架的系统分析，性能调优，特性开发，问题定位等工作，支持常见的大模型分布式优化框架 3. 负责PyTorch在异构算力下系统分析，性能调优，问题定位等工作 4. 负责常见的大模型场景下高性能Kernel算子的关键指标分析和统计，融合开发，性能优化等工作 5. 负责大模型超万卡规模的集合通信/NCCL关键指标分析和统计，系统定位/调优等工作 6. 负责多种算力的Benchmark评测，对比验证，性能分析等工作

1.负责GPU、CPU、异构计算设备的日常运维、软硬件排障、调优，以及算力服务能力提升、资源利用效率提升，保障算力输出的持续、稳定、高效； 2.负责k8s集群管理和治理，容灾设计、监控告警、版本变更、安全演练等，保障系统高可用和可维护； 3.负责运维运营工作自动化，包括资源管理、变更管理、故障恢复、用户工具接口等。