如约见 · 技术研发 · 算法/AI

大模型平台算力运管与调度系统工程师/专家

小红书 · 北京市、上海市、杭州市 · 薪资面议 · 更新于 2026/11/18

岗位描述

1、熟悉云原生生态及工具,如 Kubernetes、Kubeflow、Volcano、Kueue 等,有调度系统开发经验优先。 2、熟悉 GPU 集群调度、潮汐资源调度、Quota 管理、故障容错、资源弹性伸缩、高速网络 / 存储等方向中的至少一类。 3、了解大模型训练、后训练、推理、部署等生命周期,理解不同负载对 GPU 资源、网络、存储和调度策略的差异化诉求。 4、熟练掌握 Python、Golang、C++ 或其他编程语言中的一门或多门,具备良好的工程实现能力。 5、具备优秀的逻辑分析能力和系统抽象能力,能够基于真实业务负载进行问题拆解、策略设计和工程落地。 6、有良好的沟通协作能力,能与平台、云原生、算法、业务、IDC、网络和存储团队协同推进复杂项目。 加分项: 1、有大模型场景下负载特征分析、GPU 集群调度、资源利用率优化、高性能网络 / 存储等实践经验。 2、有 在线 / 离线混部、潮汐调度、抢占式调度、碎片整理等落地经验。 3、有大规模训练或推理集群端到端优化经验,理解训练和推理负载在调度侧的差异。 4、熟悉 RDMA、IB、RoCE、NCCL 等通信机制,能结合网络拓扑优化调度策略。 5、有 Kubernetes Scheduler、Volcano、Kueue、Ray、YARN、Airflow 等调度系统开发经验。 职责: 1、万卡 GPU 算力运管:建设平台化,自动化,智能化的GPU资源运管平台和GPU全生命周期的追溯和治理能力 2、万卡 GPU 调度系统建设: 参与大规模 GPU 集群调度系统建设,围绕 Quota、优先级、抢占、弹性伸缩、碎片整理、拓扑感知调度等能力提升资源效率。 3、训推统一调度: 面向大模型训练、后训练、推理服务等不同负载,设计训推统一调度、潮汐混部、在线离线协同和资源弹性策略。 4、资源利用率治理: 建设 GPU 资源利用率分析体系,基于真实负载数据识别低效资源、资源碎片、潮汐空闲和调度瓶颈。 5、LLMOps 平台融合: 参与构建面向大模型训练、微调、推理、部署全流程的 LLMOps 能力,支撑业务千卡预训练和推理服务启动效率和稳定性 6、集群稳定性建设: 与云原生、IDC、网络、存储和业务团队协作,提升大规模 AI 集群的故障恢复能力、资源周转效率和任务稳定性。 7、前沿技术探索: 持续关注 Kubernetes、Volcano、Kueue、Ray、弹性调度等相关技术,探索下一代 AI 资源调度系统。 发布时间: 2026-11-17

小红书其他在招岗位

同类在招岗位(技术研发)

岗位信息来自企业官方招聘渠道(xiaohongshu),由如约见每日自动同步; 如已下架可前往职位雷达用 AI 匹配相似岗位,或浏览招聘岗位大全。