Infra 系统工程师 - 训练平台

工作职责：

- 基于 Kubernetes 构建稳定、可扩展的大模型训练平台，实现 GPU 算力资源的自动化管理与高效调度。

- 通过自动化手段，保障内部超大规模训练任务的高效运行。

- 优化训练作业调度器，优化拓扑感知、抢占与弹性扩缩容。

- 跟进云原生领域前沿技术，优化云原生异构资源编排。

任职要求：

- 拥有良好的代码开发习惯，熟练掌握 Golang，具备基础的全栈能力，有代码洁癖者优先。

- 精通 K8s 核心组件（Scheduler, Kubelet, Operator），有生产环境下的大规模集群运维或开发经验。

- 掌握可观测性理念，熟悉 prometheus/ opentelemetry。

- 快速学习能力，能够独立思考和解决问题。

- 良好的团队合作精神和沟通能力。