蚂蚁数字科技-数字科技线-大模型训推引擎工程师

按方向划分，你将承担以下职责中一项或多项： 1.分布式训练方向： （1）设计并调优大规模混合并行策略（TP/PP/DP/EP/CP 组合方案），持续提升集群 MFU； （2）做训练性能 profiling 与全链路瓶颈攻坚，扛起训练稳定性终极排查（NCCL 超时、梯度异常、显存泄漏）； （3）对 Megatron-LM / DeepSpeed 等训练框架做深度适配、魔改与 bug 修复，主导 mid-train 阶段的分布式方案设计与执行，与基座模型团队做核心技术对接； 2.推理服务方向： （1）负责推理服务搭建与维护（vLLM / SGLang 部署、升级、深度调优）； （2）推进批量推理优化与量化方案落地，在精度与吞吐之间找到商业最优解； （3）建设 Checkpoint 管理与模型格式转换工具链，作为基模与算法团队之间的桥接层，提供日常 infra 支持； 3.Agentic RL …… 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。