{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "混元训练 Infra 工程师-Dataloader/Checkpoint 方向-（北京/深圳/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": 1,
        "degree": "本科及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1.分布式 Dataloader：多源数据加载框架研发，优化预处理流水线、IO 瓶颈与数据倾斜，对接对象存储 / 分布式文件系统，支持动态采样与增量更新；​；\r\n2.Checkpoint 管理：设计高吞吐存储 / 加载方案，优化压缩、分片与冷热分层，实现版本管理、备份恢复与分布式训练框架兼容；​；\r\n3.系统优化：监控吞吐 / 延迟 / 显存指标，定位性能瓶颈，保障极端场景下训练连续性；​；\r\n4.跨团队协作：对齐业务需求，沉淀技术最佳实践。​。",
        "requirements_text": "1.本科及以上学历，3 年 + AI Infra / 分布式系统 / HPC 经验；​；\r\n2.精通 Python/C++，深入理解 Linux 内核、IO 模型，熟悉 PyTorch（优先）及分布式训练原理；​；\r\n3.有分布式 Dataloader 研发与 IO 密集型任务优化相关经验；​；\r\n4.有 checkpoint 存储 / 加载 / 压缩优化相关经验；​；\r\n5.熟悉对象存储 / 分布式文件系统与缓存、分片策略；​；\r\n6.具备系统性能瓶颈分析与 GPU/CPU 优化案例。",
        "skills": [AI生成
            "Python",
            "C++",
            "Linux",
            "PyTorch",
            "分布式系统"
        ],
        "preferred_qualifications": "2.精通 Python/C++，深入理解 Linux 内核、IO 模型，熟悉 PyTorch（优先）及分布式训练原理",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://careers.tencent.com/jobdesc.html?postId=2064594834597003264"
            }
        ]
    },
    "posting": {
        "posting_id": "2064594834597003264",
        "post_date": "2026-09-08",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://careers.tencent.com/jobdesc.html?postId=2064594834597003264"
    },
    "fulltext": "混元训练 Infra 工程师-Dataloader/Checkpoint 方向-（北京/深圳/上海/杭州）\n1.分布式 Dataloader：多源数据加载框架研发，优化预处理流水线、IO 瓶颈与数据倾斜，对接对象存储 / 分布式文件系统，支持动态采样与增量更新；​；\r\n2.Checkpoint 管理：设计高吞吐存储 / 加载方案，优化压缩、分片与冷热分层，实现版本管理、备份恢复与分布式训练框架兼容；​；\r\n3.系统优化：监控吞吐 / 延迟 / 显存指标，定位性能瓶颈，保障极端场景下训练连续性；​；\r\n4.跨团队协作：对齐业务需求，沉淀技术最佳实践。​。\n1.本科及以上学历，3 年 + AI Infra / 分布式系统 / HPC 经验；​；\r\n2.精通 Python/C++，深入理解 Linux 内核、IO 模型，熟悉 PyTorch（优先）及分布式训练原理；​；\r\n3.有分布式 Dataloader 研发与 IO 密集型任务优化相关经验；​；\r\n4.有 checkpoint 存储 / 加载 / 压缩优化相关经验；​；\r\n5.熟悉对象存储 / 分布式文件系统与缓存、分片策略；​；\r\n6.具备系统性能瓶颈分析与 GPU/CPU 优化案例。",
    "standard_classification": {
        "std_category_code": "T014",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}