地平线模型训练平台实习生

关于团队 我们正在构建支撑下一代自动驾驶模型的大规模训练基础设施。平台每天处理 PB级自动驾驶数据，在 万卡规模GPU集群 上运行大规模分布式训练任务，为感知、预测和端到端驾驶模型提供高效稳定的训练能力。 团队聚焦 大规模机器学习系统（ML Systems）与训练基础设施（Training Infrastructure），解决自动驾驶模型训练中的核心系统问题，包括分布式训练效率、数据管线扩展性、以及超大规模GPU集群的稳定性与资源利用率优化。 工作内容 你将参与解决自动驾驶大规模模型训练中的核心系统问题，包括： - 设计与优化自动驾驶模型的 大规模训练基础设施 - 提升 万卡GPU训练集群 的训练效率与系统稳定性 - 构建可扩展的 PB级自动驾驶数据训练 pipeline - 分析并解决分布式训练中的性能瓶颈，包括 GPU利用率、通信开销、I/O吞吐等问题 - 与自动驾驶算法团队协作，加速感知、多模态及端到端模型的训练迭代

岗位介绍 我们正在构建下一代 大模型推理平台（LLM Inference Platform），面向 AI Coding、研发效率提升与生产业务智能化等核心场景，提供高性能、可扩展的大模型推理能力。 团队正在结合开源模型与推理生态，在 大规模 GPU 集群上持续优化推理系统的 吞吐 以及单位 Token 推理成本（$/Million Tokens）。 岗位职责 - 参与 大模型推理平台的系统研发与架构优化 - 在大规模 GPU 集群环境中优化推理系统的 Throughput、TTFT 和 GPU Utilization - 设计和实现高效推理架构，例如：Prefill / Decode 分离式推理、Continuous / Dynamic Batching、异构推理资源调度 - 构建 分布式 KV Cache 与推理缓存体系，减少重复计算并提升 token generation efficiency 优化推理系统的 单位 Token 计算成本（$/Million Tokens） 与集群资源效率

岗位介绍 我们正在构建下一代 大模型推理平台（LLM Inference Platform），面向 AI Coding、研发效率提升与生产业务智能化等核心场景，提供高性能、可扩展的大模型推理能力。 团队正在结合开源模型与推理生态，在 大规模 GPU 集群上持续优化推理系统的 吞吐 以及单位 Token 推理成本（$/Million Tokens）。 岗位职责 - 参与 大模型推理平台的系统研发与架构优化 - 在大规模 GPU 集群环境中优化推理系统的 Throughput、TTFT 和 GPU Utilization - 设计和实现高效推理架构，例如：Prefill / Decode 分离式推理、Continuous / Dynamic Batching、异构推理资源调度 - 构建 分布式 KV Cache 与推理缓存体系，减少重复计算并提升 token generation efficiency 优化推理系统的 单位 Token 计算成本（$/Million Tokens） 与集群资源效率

深度优化训练流程 主导模型训练全链路性能分析与优化，设计GPU资源弹性调度策略 开发自动化训练加速工具链，构建可扩展的云端训练框架 研发混合精度训练、梯度压缩等前沿技术，突破训练吞吐瓶颈 构建训练优化体系 制定标准化训练效能评估体系，建立成本-效率量化模型 设计可复用的训练加速组件库，沉淀最佳实践方法论 开发训练过程性能分析平台，实现性能问题智能诊断 赋能业务研发 优化多任务资源调度策略，提升GPU集群整体利用率 为算法团队提供训练加速解决方案，缩短模型迭代周期