设计教育大模型的分布式训练架构，支持 GPU 集群（如 DGX SuperPod）和国产算力（如华为昇腾）的混合部署。 优化数据并行、模型并行、流水并行策略，解决教育数据多样性（文本、语音、图像）带来的训练效率问题。 主导训练框架与教育场景的适配，如支持课程知识点关联的动态图训练。

博士学历，计算机体系结构 / 人工智能专业，5 年以上分布式训练经验，有千亿参数模型训练案例优先。 精通 NCCL/RDMA 通信优化，熟悉 Horovod/DeepSpeed 工具链，了解教育数据分布特性。 具备跨学科能力，能与教育专家协作设计训练策略。