# 混元大模型中台研发负责人（北京/深圳）

External opening: you cannot apply through AI Native Match; apply on the official site.

Apply through the official channel. The full external receipt stays in your workspace. When signed in, three minimal event types explicitly recorded through the CLI are reported by default: selection, self-reported application and channel observation. Browsing or saving a role does not report an event; external applications do not appear under My applications.

- Company: 腾讯 (Stage unknown)
- Locations: 北京
- Role: Engineering
- Apply on the official site: https://careers.tencent.com/jobdesc.html?postId=2089623983749246976

## Role description from source

1.负责中台整体技术架构与技术方案规划落地，覆盖数据、预训练、后训练、评测四条核心链路，界定中台与底层算力调度、高性能网络、分布式存储的能力边界，推进技术栈收敛；负责团队组建与技术梯队建设，主导跨团队技术决策；
2.负责数据基座建设，包括训练数据流水线、数据集与元数据管理、支持数据发版机制、样本级血缘与去重、数据质检与合版流程；
3.协同负责分布式数据存储与计算体系，规划 Ceph、CFS、HDFS 多套存储的分层使用与冷热治理，优化并行文件系统在大规模并发训练下的读取路径与吞吐，基于 Spark、Ray Data 构建数据处理算子编排与跨地域数据搬迁链路；
4.负责大规模分布式训练的性能与稳定性工程，对有效训练时间占比负责。参与 DP/TP/PP/EP 并行切分方案设计与通信计算重叠优化，定位通信、数据读取、显存与算子层瓶颈；协同建设慢节点检测、GPU XID 与 SDC 识别、异步分片 checkpoint、弹性伸缩下的状态恢复与自动续训；
5.负责训练工程链路的抽象与平台化，包括任务建模与参数配置分离、镜像与依赖版本管理、作业生命周期管理、实验记录与产物版本管理、伴生任务；
6.负责后训练链路的工程支撑，包括 SFT、RL 等后训练的全流程平台化，包含但不限于 Rollout 与 Train 的资源编排与权重同步，Reward 与 Verifier 服务的吞吐与容错，工具沙箱与环境管理，长轨迹样本的存储与回放；
7.负责模型评测的整体工程链路，支持各类模型的部署与评测，包括评测集与集合的资产化管理、评测任务调度与结果溯源、多形态评估引擎（RM、多模态、Code、Function Call、Agent 轨迹）的工程接入；了解主流推理引擎的工程实现与适配；
8.制定技术规范与研发流程，建立工程设计评审、发布门禁、故障复盘与值班机制，为整体工程质量负责。
职位要求
1.计算机、软件工程、人工智能等相关专业本科及以上学历，5 年以上软件研发经验；
2.主导过大型 AI 平台、机器学习平台或数据平台从架构定义到规模化落地的完整过程，所建系统被平台之外的多个团队长期使用；
3.熟悉 Kubernetes 及云原生生态，理解 Volcano、Ray 等批量与 gang scheduling 系统的调度模型与适用边界；熟悉并行文件系统的 IO 特征与可观测性体系；
4.具备大规模数据存储与处理经验，熟悉对象存储、并行文件系统与 HDFS 的适用场景，掌握 Spark 或 Ray 的分布式数据处理机制，理解列式存储与训练样本格式转换的工程约束；
5.理解 GPU 服务器、NVLink/NVSwitch、具备多机通信排障与性能分析能力，熟练使用 PyTorch Profiler 等观测工具；
6.掌握 PyTorch 与 Megatron-LM、FSDP 等并行训练框架的实现机制，理解混合精度、重计算、序列并行、MoE 路由与专家并行的工程约束；
7.熟悉大模型研发全流程，理解各训练阶段的数据形态、资源特征与失败模式；具备在既有基础设施之上构建抽象层的经验，能说明能力边界的划分依据与取舍过程；
8.具备矩阵型组织中的技术决策与推动能力，以平台能力的实际使用规模与效率提升衡量交付成果。
工作年限（官方顶部字段）
五年以上工作经验
官方重要事项
1.有万卡级训练集群建设或运营经验，或异构算力适配与统一调度经验；
2.有 RL 训练链路工程化经验，包括训推混部编排、权重同步、工具沙箱环境管理；
3.有大模型评测体系、数据血缘或元数据管理系统的建设经验；
4.主导过多平台整合、技术栈收敛或大规模系统迁移；
5.在 PyTorch、Megatron-LM、vLLM、SGLang、Ray、Kubernetes 生态有代码贡献，或在 MLSys、OSDI、NSDI 等会议有论文发表。

---
opening_id: 23725a49-b154-431e-8e00-fbf4d6b4e63e

`anm openings save --id 23725a49-b154-431e-8e00-fbf4d6b4e63e`