哔哩哔哩【B-UP】多模态数据平台研发工程师（实习）
任职要求
1. 计算机、软件工程、大数据、人工智能等相关专业，本科及以上学历； 2. 熟练掌握 Go / Python / Java至少一门后端开发语言，具备良好代码风格，了解基础数据结构、计算机网络、操作系统知识。 3. 了解分布式系统基础概念，熟悉数据库（MySQL）、缓存（Redis）等常用中间件基础原理与实践。 4. 了解大模型基础链路，对 AI 数据集、数据标注、模型评测、训练任务流程有基本认知优先。 5. 优秀的逻辑思维、沟通协作能力，具备较强自驱力与学习能力，乐于接受复杂业务场景挑战。 加分项 1. 有大厂或 AI 公司内部数据平台、评估平台的建设经验；有数据平台（如数据开发平台、任务调度平台、标注平台）的设计或开发经验。 2. 参与过大规模多模态数据预处理、清洗、合成等流水线平台的建设，服务于大模型 Pretrain/SFT/RLHF。 3. 参…
工作职责
1. 面向多模态模型全生命周期，构建面向文本、图像、视频、音频、结构化数据等多模态数据的统一数据平台，支撑海量异构数据的高效采集、存储、处理与分发，支持 PB 级数据管理，保障大规模数据训练任务的高吞吐与低延迟。 2. 参与建设多模态数据处理管线，实现跨模态数据的清洗、标注、增强、特征提取、向量化与可视化；探索跨模态数据的对齐、融合与联合分析技术。 3. 参与平台架构演进，构建面向 AI-Native 的 Data Agent 基础设施，探索智能调度、自动修复、自适应优化等能力，推动数据平台从"工具化"向"智能化"演进，重新定义数据平台的交互与运维范式。 4. 关注平台研发效能与开发者体验，设计标准化的 API/SDK、可观测性体系及自动化运维工具，降低业务接入成本，提升平台易用性。
1、你将建设面向视频生产的多模态智能体系统，让 agent 能够理解用户需求、分析素材、生成脚本、规划镜头、调用生成模型、检查结果、自动编辑、失败重试并交付成片。 2、你会设计 content-centric harness, tool use、planner、memory、workflow、multi-agent collaboration、human-in-the-loop 和 evaluation environment。 3、协同优化agentic理解模型和生成模型，使得系统实现高质量及高效率生产面向专业场景的成品视频。
1. 分布式模型训练：深度参与B站搜推模型分布式训练框架的设计与演进，优化数据并行与模型并行策略，提升训练吞吐与稳定性，支撑千亿级稀疏参数的高效训练； 2. 高并发在线推理：设计并优化支撑毫秒级延迟、高QPS的模型Serving架构，涉及计算图优化（XLA/图融合）、算子融合、模型量化及异步流水线调度，满足搜推实时打分需求； 3. 超大Embedding存储与检索：突破千亿规模Embedding表的存储、分片（Sharding）、增量更新及高频检索的技术瓶颈，优化GPU显存管理与Host-Device数据搬运效率； 4. GPU异构计算与Scaling：优化GPU多卡/多机训练与推理的横向扩展性，结合CUDA Kernel优化、TensorRT部署及编译优化技术，支撑超长用户行为序列（10K+）建模与模型参数持续Scaling Up； 5. 下一代智能分发系统：参与构建面向大模型时代的智能内容分发架构，探索LLM与搜推系统的融合，用技术创造快乐，一起构建支撑亿万年轻人内容消费的智能引擎。
1.探索视频多模态大模型的前沿技术，负责数据建设、模型训练与评测框架搭建。 2.深入研究并实践视频多模态大模型的全套训练流程，包括pretraining、mid-training、SFT、RL、on-policy distillation等。 3.跟踪并复现主流的开源视频多模态模型，进行前沿论文的调研、复现与创新。 4.协助优化视频内容理解、dense video caption、视频生成/编辑中的用户意图理解等相关任务上的模型效果，持续提高算法的性能与效率。
面向高性能 GPU 大卡集群、AI 训练 / 推理集群，聚焦集群全栈性能优化、网络异常检测、服务器故障定位，支撑大模型训练、分布式算力业务稳定高效运行 团队通用职责： 1、参与大规模 GPU 集群日常压测、基线梳理、运维保障，配合完成集群扩容、版本升级、环境标准化工作 2、基于 Prometheus、Grafana、DCGM 等工具搭建集群监控大盘，输出性能报表、故障分析报告与优化方案 3、编写 Shell/Python 自动化脚本、运维 SOP、故障处理手册，沉淀技术知识库 4、协同算法、平台、网络团队，联动定位集群全链路问题，保障大模型训练、分布式任务稳定运行 5、跟踪 GPU 集群、RDMA 网络、分布式通信前沿技术，持续优化集群架构与运行效率 岗位具体职责： 聚焦硬件、驱动、通信库、调度、框架全维度性能优化，提升集群算力利用率与任务吞吐，细分具体工作内容： 1、负责 GPU 硬件栈调优：完成 GPU 驱动、CUDA、cuDNN、固件版本选型与参数调优，优化 GPU 功耗、显存占用、卡间 NVLink 通信效率，解决 GPU 降频、算力跑不满问题 2、分布式通信优化：针对 NCCL 集合通信库做参数调优，优化多机多卡分布式训练通信逻辑，降低通信时延、提升集合通信吞吐 3、系统与内核调优：基于 Linux 操作系统做内核参数、内存、IO、进程调度优化，适配高负载 GPU 集群运行场景 4、算力调度优化：配合 Slurm/K8s 算力调度平台，优化任务队列、资源配额、负载均衡策略，减少任务排队、资源碎片问题 5、AI 框架适配调优：对接 PyTorch、TensorFlow、vLLM 等主流框架，完成训练 / 推理场景参数调优，实现计算与通信重叠，提升端到端任务性能 6、集群基准测试：使用行业标准压测工具完成集群算力、吞吐、时延基准测试，定位性能瓶颈并落地优化方案