米哈游大模型训推平台开发工程师

工作描述

任职要求
- 计算机科学与技术、软件工程、人工智能等相关专业，本科及以上学历
- 5 年以上分布式训练系统或 K8s 平台研发经验
- **K8s 调度**：精通 kube-scheduler framework / scheduler plugins 机制，**具备 Volcano 二次开发实战经验**（Kueue / YuniKorn 等其他调度器有同等深度经验者亦可，但需对 Volcano 源码有独立阅读能力），理解 Gang Scheduling、队列、拓扑感知调度的实现
- **分布式训练框架**：精通 Megatron-LM / DeepSpeed / PyTorch FSDP 中至少一个的内部机制（数据并行 / 张量并行 / 流水并行实现、通信图、checkpoint 机制），具备千卡级训练任务调优实战经验
- **通信库**：深入理解 NCCL 内部（拓扑发现、ring / tree / NVLS 算法、QP 与 buffer 管理），具备 NCCL 参数调优与代码阅读能力
- **GPU 互连**：熟悉 NVLink / NVSwitch / Fabric Manager 工作机制，理解 NVLink 域概念及其对训练并行策略的影响
- **RDMA**：熟悉 RoCE / IB 协议栈基本概念（PFC / ECN / QP）
- **编程语言**：精…