logo of tongyi

通义Token Foundry-大模型训练Infra工程师-训练稳定性方向

社招全职1年以上技术类-开发地点:北京 | 深圳 | 杭州状态:招聘

工作描述


任职要求
1. 计算机、电子、自动化等相关专业本科及以上学历,2 年以上分布式系统或大规模基础设施研发经验。
2. 扎实的分布式系统Linux 基础,熟悉常用性能与故障诊断工具(nvidia-smi、nsightperf、py-spy、gdbstrace 等),有较强的疑难问题定位能力。
3. 具备以下至少一个方向的深度实践经验:
	a. 大规模分布式作业的容错与自愈系统(故障检测、断点续训、快速重启、failover、Checkpoint 恢复优化,类比 DLRover 等开源项目);
	b. 大规模系统可观测与智能诊断(日志 / 指标 / 事件关联分析、根因定位、异常检测);
	c. 节…
登录查看完整工作描述
微信扫码,1秒登录

包括英文材料
学历+
分布式系统+
Linux+
Nsight+
Perf+
GDB+
STrace+
还有更多 •••
相关职位

logo of tongyi
社招1年以上技术-基础平台

1. 计算机、软件工程等相关专业本科及以上学历,2 年以上容器、云原生或大规模基础设施研发经验。 2. 熟练掌握 Go 语言,具备扎实的 Linux 系统基础(网络栈、文件系统、cgroups、进程管

更新于 2026-08-18北京|深圳|上海
logo of tongyi
社招3年以上技术类-开发

● 熟悉计算机体系结构基础知识,有扎实异构计算优化(GPGPU/x86/ARM等)、高性能网络架构通信优化、分布式训练策略优化等方面的经验; ● 扎实的工程能力,优良的编程风格,熟悉Python/C+

更新于 2026-09-14北京|杭州|上海
logo of aligenie
社招1年以上技术类-算法

1. 计算机科学、人工智能、机器学习能等领域的博士/硕士毕业生。 2. 对上述研究方向的某一项或者几项有完整的研究经历或者实际的工业界落地经验。 3. 关注技术影响力,具有开源开放精神,对基础模型的前

更新于 2026-06-18北京|杭州|上海
logo of tongyi
社招5年以上

1. 计算机相关专业本科及以上学历,5 年以上系统软件或基础设施开发经验,3 年以上架构设计经验, 有容器平台、Serverless、安全沙箱领域的架构主导经历优先。 2. 具备全局性的复杂系统架构能

更新于 2026-06-22北京|深圳|杭州