腾讯(tencent)招聘大模型训练生产SRE工程师（深圳/上海/ 北京）
招聘职位：
大模型训练生产SRE工程师（深圳/上海/ 北京） 搜索同类职位
岗位职责：
1.负责大模型训练链路的稳定性治理和模型生产保障；
2.协同包括框架、算力、网络、存储等基础设施，系统建设大模型训练的诊断、可视化、自愈能力；
3.负责大模型训练生产的oncall、排障和流程优化建设。
岗位要求：
1.熟悉大模型预训练、后训练流程，熟悉Megatron/PyTorch等框架原理；
2.熟悉GPU、NCCL集合通信和k8s/docker容器技术原理，有GPU硬件、驱动、Cuda、RDMA等调优经验；
3.有大规模任务系统故障排查、分析解决经验者优先；
4.具有强烈的工作责任心和自驱力，有良好的学习沟通能力。
岗位介绍：
在腾讯，技术人解决问题的激情永不熄灭。无论是面对产品、程序的问题，还是生活与人的问题，腾讯技术人都力图交出漂亮的答卷。我们善用科学工具，以强大的思维之力创造世界，为卓越的产品体验保驾护航，也为公司和产品策略提出宝贵的洞见，用技术引领新的变革。这里的每位成员，既传承着长久以来的务实文化，又时刻以创新眼光瞄准大海星辰。我们十分期待你加入这样一个「技术社区」，分享团队能量，尽情发挥所长。
1.负责大模型训练链路的稳定性治理和模型生产保障；
2.协同包括框架、算力、网络、存储等基础设施，系统建设大模型训练的诊断、可视化、自愈能力；
3.负责大模型训练生产的oncall、排障和流程优化建设。
岗位要求：
1.熟悉大模型预训练、后训练流程，熟悉Megatron/PyTorch等框架原理；
2.熟悉GPU、NCCL集合通信和k8s/docker容器技术原理，有GPU硬件、驱动、Cuda、RDMA等调优经验；
3.有大规模任务系统故障排查、分析解决经验者优先；
4.具有强烈的工作责任心和自驱力，有良好的学习沟通能力。
岗位介绍：
在腾讯，技术人解决问题的激情永不熄灭。无论是面对产品、程序的问题，还是生活与人的问题，腾讯技术人都力图交出漂亮的答卷。我们善用科学工具，以强大的思维之力创造世界，为卓越的产品体验保驾护航，也为公司和产品策略提出宝贵的洞见，用技术引领新的变革。这里的每位成员，既传承着长久以来的务实文化，又时刻以创新眼光瞄准大海星辰。我们十分期待你加入这样一个「技术社区」，分享团队能量，尽情发挥所长。
免责声明：
此信息由腾讯官网 (查看来源)审核并发布，我们转载该信息，仅出于传递更多就业招聘资讯、促进大学生及广大求职者就业之目的。该招聘职位信息的真实性、准确性、时效性及合法性均由原始发布方“腾讯官网”负责。我们作为信息转载平台，不构成求职建议，不涉及任何职业中介服务，不对其内容承担任何形式的保证责任。请用户在使用转载信息时保持审慎，自行判断并承担相应风险，求职请认准企业官方渠道！