大模型训练工程专家-稳定性方向

【岗位职责】 一、一句话定位 为大模型「预训练 + 后训练」的基础设施稳定性与效率负总责的资深工程师——横向拉通 GPU 算力、RDMA 网络、通信库、高性能存储、集群调度、训练任务生命周期等多个技术域，确保大规模训练不中断 / 少中断，并持续把有效训练算力（MFU / ETTR）做上去。 二、为什么这个岗位重要 大模型训练是公司最核心、最烧算力的战役。训练稳定性直接决定旗舰模型能否按期炼成。 这是一个端到端 Owner 岗，不是分工到某个组件的螺丝钉——你对"训练能不能稳、跑得快不快"这个结果负责，向上直面算法 / 训练团队的真实诉求。 你将有从 0 到 1 搭建训练稳定性体系的空间：可观测、故障自愈、预案、效率工程，都还有大片可建设的地带。 三、你将负责什么（职责） 1. 训练全栈基础设施保障（横向拉通，核心） GPU 算力：GPU 机器交付与健康管理、坏卡 / 掉卡 / 降频的检…… 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 19019 个北京岗位（全城各职能合计），其中 2814 个公开标注了薪资。按这些标注统计：月薪（税前）主流区间 7K ~ 20K（25~75 分位），中位约 9K，最低 2K、最高 300K。