{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "大模型训练性能优化工程师（训练算子）（深圳/北京/上海/杭州）",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "TEG",
        "location": "北京",
        "work_mode": "未披露",AI生成
        "job_category": "技术"AI生成
    },
    "company": {
        "company_name": "腾讯",
        "company_industry": "互联网 / 科技 / 人工智能",
        "company_size": "10000人以上",
        "company_website": "tencent.com",
        "company_description": "腾讯是一家互联网和科技公司，业务覆盖通信与社交、数字内容、游戏、金融科技、企业服务、云计算与人工智能等方向。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": 2,
        "degree": "本科及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1.负责深度学习训练相关算子的设计、实现与优化（ CUDA/CUTLASS/Triton ）；\r\n2.面向大模型训练场景，对算子进行端到端性能分析与调优，持续挖掘吞吐、延迟、显存利用率等指标的优化空间；\r\n3.参与或主导 3D 并行（Data / Tensor / Pipeline Parallel 等）训练体系下的算子与通信方案设计与优化；\r\n4.与分布式训练、系统、模型算法团队密切协作，共同提升大规模训练任务的整体效率与稳定性；\r\n5.跟踪业界前沿的硬件架构与系统软件（GPU 架构、网络、编译器、库等），将最新技术转化为实际性能收益。",
        "requirements_text": "1.计算机、软件工程、数学、电子信息、自动化等相关专业，本科及以上学历；\r\n2.扎实的编程基础，熟练使用 C/C++，对代码质量与工程实践有较高要求；\r\n3.熟练掌握 GPU 编程，有实际 CUDA 开发经验；熟悉 CUTLASS、Triton 等任一或多种算子开发/优化框架；\r\n4.熟悉并行计算原理，对 GPU 体系结构（SM、Warp、Memory Hierarchy、Occupancy 等）有较深入理解；\r\n5.对 3D 并行训练（如数据并行、模型并行、流水并行、混合并行等）有实践经验，能够理解并分析其对算子与通信模式的影响；\r\n6.具备良好的问题定位与性能分析能力，能熟练使用 Nsight、nvprof、perf 等性能分析工具进行瓶颈分析和优化。",
        "skills": [AI生成
            "C++",
            "CUDA",
            "分析能力",
            "C语言"
        ],
        "preferred_qualifications": "1.有大规模分布式训练实践经验（上百张 GPU 或更大规模），了解常见分布式训练框架与通信库（如 NCCL、Horovod、DeepSpeed、Megatron-LM 等）；\r\n2.对深度学习模型结构与训练算法有一定了解（如 Transformer、LLM 训练技巧、优化器、并行算法等），能与算法同学就结构与算子设计进行深入讨论；\r\n3.有参加过编程竞赛（如 ICPC、NOI/IOI、Codeforces、AtCoder 等）并取得优异成绩的经历，具备优秀的算法与代码实现能力；\r\n4.有高性能计算（HPC）、编译器优化、系统级性能调优相关经验或论文/开源项目贡献。",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://careers.tencent.com/jobdesc.html?postId=1958568465963044864"
            }
        ]
    },
    "posting": {
        "posting_id": "1958568465963044864",
        "post_date": "2026-09-04",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://careers.tencent.com/jobdesc.html?postId=1958568465963044864"
    },
    "fulltext": "大模型训练性能优化工程师（训练算子）（深圳/北京/上海/杭州）\n在腾讯，后台开发工程师不仅是“又快又稳”的问题解决专家，更是生态共创者。你将与技术团队一同沉淀优质代码，让它成为我们共有的宝贵资产。在不同的业务场景和技术发展阶段，你的架构思维也将帮助更多协作团队拓展新的思考。我们也珍视你的挑战精神，同时欢迎你一起参与团队愿景、文化和产品方向的探讨。\n1.负责深度学习训练相关算子的设计、实现与优化（ CUDA/CUTLASS/Triton ）；\r\n2.面向大模型训练场景，对算子进行端到端性能分析与调优，持续挖掘吞吐、延迟、显存利用率等指标的优化空间；\r\n3.参与或主导 3D 并行（Data / Tensor / Pipeline Parallel 等）训练体系下的算子与通信方案设计与优化；\r\n4.与分布式训练、系统、模型算法团队密切协作，共同提升大规模训练任务的整体效率与稳定性；\r\n5.跟踪业界前沿的硬件架构与系统软件（GPU 架构、网络、编译器、库等），将最新技术转化为实际性能收益。\n1.计算机、软件工程、数学、电子信息、自动化等相关专业，本科及以上学历；\r\n2.扎实的编程基础，熟练使用 C/C++，对代码质量与工程实践有较高要求；\r\n3.熟练掌握 GPU 编程，有实际 CUDA 开发经验；熟悉 CUTLASS、Triton 等任一或多种算子开发/优化框架；\r\n4.熟悉并行计算原理，对 GPU 体系结构（SM、Warp、Memory Hierarchy、Occupancy 等）有较深入理解；\r\n5.对 3D 并行训练（如数据并行、模型并行、流水并行、混合并行等）有实践经验，能够理解并分析其对算子与通信模式的影响；\r\n6.具备良好的问题定位与性能分析能力，能熟练使用 Nsight、nvprof、perf 等性能分析工具进行瓶颈分析和优化。\n1.有大规模分布式训练实践经验（上百张 GPU 或更大规模），了解常见分布式训练框架与通信库（如 NCCL、Horovod、DeepSpeed、Megatron-LM 等）；\r\n2.对深度学习模型结构与训练算法有一定了解（如 Transformer、LLM 训练技巧、优化器、并行算法等），能与算法同学就结构与算子设计进行深入讨论；\r\n3.有参加过编程竞赛（如 ICPC、NOI/IOI、Codeforces、AtCoder 等）并取得优异成绩的经历，具备优秀的算法与代码实现能力；\r\n4.有高性能计算（HPC）、编译器优化、系统级性能调优相关经验或论文/开源项目贡献。",
    "standard_classification": {
        "std_category_code": "T014",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}