Job Description
混元大模型Infra稳定性研发工程师（深圳/北京/上海/杭州） 深圳 分享 在腾讯，后台开发工程师不仅是“又快又稳”的问题解决专家，更是生态共创者。你将与技术团队一同沉淀优质代码，让它成为我们共有的宝贵资产。在不同的业务场景和技术发展阶段，你的架构思维也将帮助更多协作团队拓展新的思考。我们也珍视你的挑战精神，同时欢迎你一起参与团队愿景、文化和产品方向的探讨。 岗位职责 1.负责混元infra相关链路稳定性治理、规范建设；
2.联动框架、算力、网络各模块完善关键metric采集；
3.系统性构建故障节点、慢节点检测平台化能力；
4.联合混元一站式建设统一的任务自动续训能力；
5.响应并解决日常混元大模型任务的故障问题。 岗位要求 1.熟悉Megatron/PyTorch等框架的基本的训练流程；
2.掌握GPU/NPU等工作原理、常见操作命令；
3.熟悉RDMA网络相关硬件特性、熟悉all2all、allGather等集合通信原理；
4.了解docker容器、存储挂载等基础知识；
5.有大规模任务系统故障排查、分析解决经验者优先；
6.良好沟通、团队协作能力。
分享岗位
方式1:复制岗位链接
方式2:分享岗位海报
手机扫描二维码分享
收藏 TEG 点击了解更多BG信息 技术 一年以上工作经验 更新于年06月05日2.联动框架、算力、网络各模块完善关键metric采集；
3.系统性构建故障节点、慢节点检测平台化能力；
4.联合混元一站式建设统一的任务自动续训能力；
5.响应并解决日常混元大模型任务的故障问题。
2.掌握GPU/NPU等工作原理、常见操作命令；
3.熟悉RDMA网络相关硬件特性、熟悉all2all、allGather等集合通信原理；
4.了解docker容器、存储挂载等基础知识；
5.有大规模任务系统故障排查、分析解决经验者优先；
6.良好沟通、团队协作能力。