1. 负责 LDM 模型（Large Data Model）训练全流程的性能分析，定位性能瓶颈，并推动端到端性能优化，提升 GPU 利用率，降低团队训练成本 2. 优化模型关键计算模块，包括算子性能优化、必要的融合与混合精度策略推进 3. 优化大规模训练并行策略，支持模型 scale-up 训练策略，做好性能与显存的整体平衡 4. 建设训练框架的 UT/IT 自动化测试体系，提升代码质量与协作效率 5. 与算法团队深度协作，推动模型结构与训练框架的迭代与优化

1. 计算机、软件工程、人工智能等相关专业，硕士及以上学历，工作经验 3-8 年 2. 拥有扎实的大模型基础知识，包括但不限于： - Transformer 模型结构 - 模型训练的核心流程（DataLoader、Fwd/Bwd、Loss、Optimizer 等） - 分布式并行策略（DP、TP、PP、SP 等） - 混合精度训练（AMP、BF16、FP8 等） - NCCL 集合通信与 GPU 拓扑 3. 具备基础 CUDA 能力与性能分析能力，能够熟练使用 nsys，对性能热点进行分析和基本排查 4. 精通 Python、C/C++ 至少一门语言，具备良好的工程能力和编码习惯 5. 熟悉 PyTorch 框架，并具备一定的分布式训练实践经验 6. 良好的逻辑思维能力、问题拆解能力，工作态度严谨踏实不浮躁，具备 owner 意识 加分项： 1. 具备大模型训练优化经验（≥1 年），熟悉 Megatron-LM、DeepSpeed 等框架，并有实际集群（≥64 GPU）训练落地经验 2. 有融合算子或 CUDA kernel 深度优化经验（operator fusion、Tensor Core、kernel tuning 等）