字节跳动云网络AI Infra研发专家/架构师
任职要求
1、计算机相关专业，本科以上学历，5年以上研发/架构经验；
2、熟悉主要云厂商的AI Infra解决方案，有分布式计算和网络项目经验；
3、熟悉主流…工作职责
1、负责云网络AI Infra业务研发，探索推理框架与云网络系统的深度集成，优化大模型推理性能； 2、推动云网络与大模型加速相关生态建设，设计和实施AI Infra中云网络的软硬结合解决方案； 3、持续跟进LLM前沿技术和开源方案，完成业务场景化分析，并落地云网络产品，提升产品竞争力。
大模型具备很强的泛化及理解世界能力，在小红书内的众多生产场景遍地开花，大模型的训练和部署已成为许多算法工程师的日常。在多团队、多业务频繁使用的大规模GPU集群上，如何能够通过高效的GPU调度策略，使大家不仅能丝滑地完成训练及部署任务，同时也能充分激发大规模GPU集群的效能，是行业公认的关键挑战。在这里，你可以聚焦LLM场景，接触到超大规模GPU集群，并使用真实负载数据进行深入分析及技术探索。欢迎加入我们，一起探索领先技术改变世界！ 工作职责： 1、负责万卡规模GPU集群效能分析及优化，通过调度策略优化、在离线混部、集群调度、GPU虚拟化、故障快速恢复、存储&网络加速等手段，提升大规模GPU集群的整体使用效率。 2、负责构建面向大模型训练、微调、推理、部署全流程LLMOps，与下游云原生平台深度融合，支撑大模型在公司内各业务生产链路稳定高效地落地。 3、持续关注业界最新的GPU资源调度相关技术动态，探索建设业界领先的资源调度策略及方法，构建下一代大规模AI资源调度系统。
【业务介绍】 我们是小红书内稠密类模型（LLM/MLLM/SD/CV/NLP）统一的AI平台QuickSilver，负责调度公司内所有稠密类模型训练与推理资源，基于自建的训推引擎，为公司所有AI算法同学迭代业务模型提供端到端一站式AI服务；包括数据管理，模型管理，模型训练、压缩、推理、部署，服务管理，资源调度等一系列能力。 工作职责： 1、负责稠密类模型训练推理开发平台的架构设计和核心功能研发 2、设计和实现大模型训练部署流程，包括模型fine-tuning、推理服务化等 3、构建云原生架构，设计高可用、高性能的微服务体系 4、优化平台性能，提升系统稳定性和可扩展性
1、负责模型训练平台核心功能开发和架构设计，包括传统CN/NLP/SD/LLM等多场景支持 2、负责大模型后训练工具平台化建设，包括后预训练、微调、对齐等技术落地 3、设计和实现高性能分布式训练系统，打造端到端训练解决方案 4、优化训练调度和资源管理，提升集群利用率和训练效率 5、开发模型训练监控诊断工具，建设可观测性体系
Location： 杭州市西湖区西溪谷国际商务中心G座 上海在静安区氪空间 北京在昌平龙泽地铁站滴滴天空之城A座 我们这里是滴滴国际金融最重要的业务和技术底盘，用技术的手段将底盘能力做扎实(即保障资金安全、业务系统高可用)， 国际化业务才能在更专注的去追寻业务的高速发展，不用因为技术底盘不扎实而影响业务的发展。如果你对这一块有兴趣，会得到比较快的技术成长 * 国际化业务目前发展势头良好。 * 资金安全&高可用，预防线上的资损问题和高可用问题，是国际金融业务的核心技术和底盘。 * 团队氛围开放积极，有机会与国内外各部门业务与技术进行日常交流学习。 职责要求: 1、滴滴国际化金融(IBG FinTech) 技术风险能力建设，包含应急能力、变更防御、红蓝攻防、性能容量、资金安全，构建Fintech技术风险体系； 2、参与重大项目的技术风险保障工作，对技术风险领域进行评审和分析； 3、贴身业务，挖掘业务风险，沉淀技术风险领域标杆，释放研发技术风险投入，更聚焦在业务研发上； 4、明星业务，多底盘充满了挑战和机遇，欢迎来战。