# 混元大模型Infra稳定性研发工程师（深圳/北京/上海/杭州）

外部公开机会：不能在 Agent觅聘 内申请，请前往官方渠道投递。

投递在官方渠道完成，完整外部回执留在本人工作区；已登录时，通过 CLI 明确记录的选择、本人自报投递和渠道观察三类最小事件默认上报平台。浏览或保存岗位不会触发上报，外部投递不会出现在“我的申请”里。

- 公司: 腾讯 (阶段未知)
- 地点: 深圳
- 职能: 工程开发
- 前往官方投递: https://careers.tencent.com/jobdesc.html?postId=1958073221844717568

## 来源岗位原文

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。
职位要求
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。
工作年限（官方顶部字段）
一年以上工作经验

---
opening_id: 588cd85a-304b-4b59-8e72-6492b8549393

`anm openings save --id 588cd85a-304b-4b59-8e72-6492b8549393`