滴滴CPG-分布式训练高级研发工程师(JR2026031100L)
任职要求
1. 计算机相关专业，硕士研究生 2. 熟悉pytorch 框架，有训练优化经历优先 3. 熟悉Megatron/DeepS…
工作职责
1. 参与分布式训练框架开发，提高训练任务性能 2. 支持内部大模型预训练、微调和强化学习 3. 探索大语言模型在 CUDA Kernel 优化、训练性能自动调优 等方向的应用与落地
1. 负责万亿级别QPS的分布式缓存/存储集群，支撑公司所有产品线的业务需求； 2. 设计、研发高可用、高性能的缓存/存储架构和中间件，应对弹性扩缩容，秒级故障自动切换，异地多活，分布式事务等极具挑战性的工作内容和方向； 3. 优化系统性能，深入内核，提升基础服务相关资源的使用率，增加系统稳定性，保障业务运行； 4. 设计并研发自动化运维平台，提升运维质量和效率，探索运维自动化和智能化技术和方向。
1、负责Kafka平台的架构设计与研发工作，推动技术的不断升级与优化，构建一流的数据基础设施，满足AI对数据Infra不断增长的需求； 2、负责Kafka内核开发工作，不断提升系统稳定性和集群性能； 3、负责Kafka集群的日常运维、监控、扩容和故障处理，支撑业务平稳运行。
base北京/杭州都可以~ 我们致力于构建高性能、高可用的企业级数据库产品与生态体系。作为数据库研发团队的核心成员，您将参与从数据库内核、中间件到管控平台的全栈技术攻关，深度影响数据库产品的稳定性、性能与用户体验，为海量数据场景提供坚实的数据基础设施。 1.数据库管控系统研发：参与数据库管控平台（DBaaS）的设计与开发，实现数据库实例的自动化部署、生命周期管理、监控告警、高可用切换、智能运维及资源调度等核心功能。 2.数据迁移与同步服务（DTS）研发：参与高可靠、高性能的数据传输服务开发，支持异构数据源间的实时同步、批量迁移、数据订阅等功能，保障数据流动的准确性与低延迟。
base北京/杭州都可以~ - 负责滴滴AI平台的架构设计和工程研发，打造行业领先的聚焦AI开发迭代效率和资源利用效率的AI平台 - 探索业界前沿的机器学习研发(MLOPS)和大模型工程研发(LLMOps)相关技术，覆盖数据、实验、训练、评估、推理等各个方向 - 不断精进、研究和实现大模型方向的平台产品与技术