bilibili-多模态训练优化工程师

工作职责: 1. 负责大规模GPU集群的管理与训练系统建设，包括任务调度、资源管理、训练框架适配与性能优化。 2. 解决超大规模训练任务中出现的稳定性、网络通讯、NCCL通讯、断点恢复等问题，构建训练全链路可观测体系。 3. 针对不同GPU型号，进行算子适配和算子调优，实现慢节点自动检测与故障自愈。 4. 针对不同训练场景、集群环境，设计自动化运维工具，持续优化训练方案与GPU有效利用率。 5. 与算法、数据、平台紧密配合，打造一套高效的训练生态，推动训练成本优化。 工作要求: 工作要求 1. 精通C++、Rust、Python等任意一门语言，C++更佳，具备良好的系统设计与工程实现能力。 2. 熟悉Megatron、DeepSpeed、PyTorch、FSDP等一种或者多种训练框架的底层原理。 3. 有真实GPU训练任务调优经验，解决过训练中出现过的慢节点、机器故障、网络拥塞等问题。 4…… 完整岗位描述与官方投递入口,请登录后在岗位详情页查看。

本站当前在招 9587 个上海岗位（全城各职能合计），其中 1138 个公开标注了薪资。按这些标注统计：月薪（税前）主流区间 7.5K ~ 20K（25~75 分位），中位约 12K，最低 0.8K、最高 100K。