Momenta训练平台infra专家
任职要求
1. 学历与经验：计算机科学或相关专业本科及以上学历，具备3年及以上Python后端开发经验 2. 编程能力：熟悉Python语言，熟悉异步IO、多进程/多线程编程；对数据结构和算法有深入理解，具备良好的编码习惯。 3. 框架与组件：熟练掌握至少一种主流Python后端框架（如FastAPI, Django, Flask），并理解其运行原理；熟悉MySQL/PostgreSQL等关系型数据库，以及Redis/Kafka/RabbitMQ等常用中间件。 4. 基础知识：具备扎实的计算机基础，对操作…
工作职责
1. 核心系统建设：负责公司级AI应用平台、算法评测平台等核心系统的架构设计、技术选型和开发工作。 2. 需求转化与实现：深入理解算法、数据等相关业务场景，与算法工程师、产品经理紧密合作，将业务需求转化为高质量的技术解决方案。 3. 架构演进：负责后端服务的性能优化、稳定性保障和架构演进，确保系统的高可用、高并发和可扩展性。 4. 技术探索：关注并研究业界前沿技术（如MLOps、Serverless、容器化等），并将其应用于实际工作中，驱动平台的技术创新。
我们是淘天集团阿里妈妈工程平台团队，致力于打造面向搜推广场景及GenAI与AI Agent应用的AI Infra平台。团队服务于淘天电商广告核心业务，承担 广告模型超大规模Embedding表征学习和Sparse-Dense模型及Dense大模型（LLMs/Diffusion等）训练与推理，AI Infra研发和优化等关键职责，在高性能在线服务&训练平台（推荐系统/多模态大模型/大语言模型）、分布式系统（计算/存储/网络）、异构计算和AI编译优化（GPGPU/CPU）等课题上都具有业界前沿的挑战。 1. 负责超大规模Sparse-Dense模型（for 广告）和Dense大模型（for GenAI应用）的训练架构设计优化并推动生产落地。 2. 负责大规模异构硬件Training系统的计算性能与效率优化。 3. Algorithm-Training-Inference Co-Design，整体提升模型效率。
我们是淘天集团阿里妈妈工程平台团队，致力于打造面向搜推广场景及GenAI与AI Agent应用的AI Infra平台。团队服务于淘天电商广告核心业务，承担 广告模型超大规模Embedding表征学习和Sparse-Dense模型及Dense大模型（LLMs/Diffusion等）训练与推理，AI Infra研发和优化等关键职责，在高性能在线服务&训练平台（推荐系统/多模态大模型/大语言模型）、分布式系统（计算/存储/网络）、异构计算和AI编译优化（GPGPU/CPU）等课题上都具有业界前沿的挑战。 1. 负责超大规模Sparse-Dense模型（for 广告）和Dense大模型（for GenAI应用）的训练架构设计优化并推动生产落地。 2. 负责大规模异构硬件Training系统的计算性能与效率优化。 3. Algorithm-Training-Inference Co-Design，整体提升模型效率。
1. 立足AI Agent研发运维视角，贯穿整个技术栈，在稳定、体验、效率和成本这四个方面持续进行优化 2. 基于AI研发领域的MaaS/PaaS/IaaS，进行模型训练与推理的算力保障，并提升资源使用率 3. 统性地提升Agent研发、部署、运行阶段的稳定性，适应Agent QPS、模型推理TPM每年提升1个量级的发展速度 4. 主导解决Agent研发运维过程中各类疑难问题，并推进完善产品与平台的能力 5. 系统性构建故障节点、慢节点检测平台化能力，响应并解决日常大模型任务的故障问题 6. 负责LLM 后训练（SFT、RLHF/RLAIF 等）相关链路稳定性治理、规范建设：理解研发与优化 LLM + RL/HRF 相关训练框架，提升扩展性、稳定性与性能（吞吐、显存占用、收敛效率等）。结合分布式训练技术（如 tensor / pipeline / data parallel），优化多机多卡训练性能和资源利用率。 7. 平台稳定性与工程质量：建设训练平台的观测与运维体系，完善监控、告警、日志与故障排查工具；持续提升平台的稳定性、可调试性和可维护性，产出高质量技术文档与设计方案。
1、负责大模型应用开发平台的数据飞轮建设，为开发者提供一站式数据回流、加工、分析、训练、评估和部署的全流程平台能力； 2、负责构建支撑海量数据的底座能力，支撑全流程血缘、高效处理、深入洞察以及训练投递等能力，支撑全生命周期数据管理； 3、持续推动整体架构演进，结合行业支持探索数据飞轮在大模型场景下的最佳实践。