Agentic Infra

职位描述

我们在构建一套“自我优化”的大模型训练系统，你将参与以下核心方向： 1. 参与模型训练，构造在高性能/infra侧专用的模型 2. 构建统一的训练 Harness 范式，标准化训练、benchmark 与评测流程 3. 探索 Agentic Infra，将训练系统从人工驱动升级为 Agent 驱动 4. 推动训练系统从工具集合向具备自我优化能力的系统演进

职位要求

1. 具有较强工程能力，能独立完成复杂系统模块的设计与实现 2. 熟练使用 Python，具备扎实的代码能力（C++ / CUDA 为加分项） 3. 熟悉 PyTorch，有实际训练 / 调试经验 4. 理解分布式系统或分布式训练的基本概念 5. 对系统问题有良好的拆解能力，能从复杂现象中定位本质问题 6. 对 AI Native / Agent 系统有兴趣，认可“用模型解决工程问题”的方向 7. 对数据敏感：能判断指标是否可信、实验是否有效，而不是盲目跑实验 加分项（重要但不硬性） 1. 有算子开发经验（CUDA / Triton / Kernel 优化） 2. 有大模型训练经验（Megatron / DeepSpeed / FSDP 等） 3. 有性能分析经验（Nsight Systems / Nsight Compute / profiler 等） 4. 熟悉训练优化手段（FlashAttention / ZeRO / 混合精度 / checkpointing 等） 5. 对 Agent 有深入理解或实践（tool use / planning / multi-agent 等） 6. 阅读或改过大型训练框架源码 7. 做过 benchmark / profiling / 自动化实验平台相关工作