腾讯AI ⽹络集合通信库运营⼯程师

工作描述

任职要求
一.基本要求；
1.计算机科学、通信⼯程、电⼦⼯程或相关专业，本科及以上学历；
2.两年以上相关⼯作经验（集合通信库开发、HPC 通信优化、AI 基础设施运营等⽅向均可）；
二、专业技能；
1.集合通信原理：深⼊理解集合通信算⼦（AllReduce、AllGather、ReduceScatter、All-to-All 等）的原理和实现算法（Ring、Tree、Double Binary Tree 等），了解算法选择对性能的影响；
2.通信库实践：熟悉 NCCL 架构（Channel、Protocol、Transport、Proxy 等核⼼模块），有 NCCL 调优、问题排查或⼆次开发经验者优先；了解 DeepEP、Gloo、MSCCL 等其他通信库者加分；
3.底层通信机制：理解 GPU 机内通信机制（NVLink、NVSwitch、PCIe P2P、DMA、GPU Direct RDMA），掌握RDMA 通信原理（InfiniBand 或 RoCEv2）；
4.AI 训练业务理解：了解⼤模型训练的主流并⾏策略（数据并⾏、张量…