【日常实习】MLP-大模型工具链工程师

【岗位信息以官网为准】参与开发和建设公司的训练、微调、评估、推理工具链，支撑公司自研大规模的分布式训练和推理应用。 参与公司内分布式训练、微调和推理任务优化，包括但不限于算子优化、通信优化和存储优化等。 参与建设和维护全面的大模型评估体系，开发和完善大模型的评估工具链，支持模型性能的持续改进。 与大模型预训练、推理以及平台等团队紧密协作，共同构建端到端的大模型能力。 跟进和探索前沿的分布式训练、微调、评估和推理技术方案，推动相应工具的不断迭代。

【岗位信息以官网为准】毕业时间在2025年9月1日及以后的同学（2024年9月1日-2025年8月31日之间毕业的同学请投递Shopee全职校招） 掌握计算机专业基础知识，如计算机操作系统、计算机网络、计算机组成原理等。 掌握常见的数据结构和算法，编程能力良好，能够利用计算机程序解决实际的问题。 具有良好的团队合作精神，能够与跨部门的团队紧密合作，共同推动项目的成功。 具备较强的自我驱动力和学习能力，并乐于不断尝试、追求业务突破。 加分项 熟悉常见的 CV、NLP 模型，如 ViT、GPT等 熟悉 AI 领域常见分布式训练技术的原理和实现，包括但不限于：数据并行、流水线并行和张量并行等，并具有相应的项目经验。 熟悉一种或多种深度学习框架，如 Pytorch、Tensorflow、PaddlePaddle、Deepspeed、Megatron 等，能够熟练使用并解决使用中遇到的问题。 熟悉 GPU 硬件结构和 CUDA 计算的原理，有 CUDA 相关算子开发、调试经验，对 NCCL，cuDNN 等有一定了解。 熟悉大规模预训练、微调、评估算法和流程，具有相关项目经验。