主分类：AI训练推理与计算优化
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "腾讯游戏-大模型训练框架研发工程师/专家",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "IEG",
"location": "上海",
"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": "计算机科学、人工智能、模式识别、计算语言学等相关专业硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1.负责构建和优化大规模预训练框架，支持多模态理解、视频生成模型的高效预训练；\n2.支持超长上下文训练，深入优化长序列场景下的分布式训练效率；\n3.深入优化分布式训练框架效率，提升算力利用率与模型吞吐性能；\n4.跟踪前沿研究趋势，探索高效预训练策略，如混合精度训练、稀疏训练等；\n5.与算法、数据、平台团队协作，形成从数据处理到训练部署的全流程自动化解决方案。",
"requirements_text": "1.计算机科学、人工智能、模式识别、计算语言学等相关专业硕士及以上学历；\n2.精通一种或多种主流深度学习框架（PyTorch、JAX、TensorFlow），具备大规模分布式训练经验；\n3.熟悉LLM/DiT等模型的训练流程，有 Megatron、DeepSpeed、FSDP等大规模训练框架使用经验者优先；\n4.具备扎实的工程实现能力与代码规范意识，熟悉CUDA优化、参数并行、流水线并行等技术。",
"skills": [AI生成
"PyTorch",
"TensorFlow",
"CUDA",
"深度学习"
],
"preferred_qualifications": "1.有超大规模集群训练优化经验和成功案例；\n2.参与过知名开源项目的开发维护，包括深度学习框架、分布式训练框架等方向；\n3.熟悉大规模训练的可观测建设、诊断分析、故障解决，有稳定性治理经验。",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://careers.tencent.com/jobdesc.html?postId=2072330926830039040"
}
]
},
"posting": {
"posting_id": "2072330926830039040",
"post_date": "2026-07-09",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers.tencent.com/jobdesc.html?postId=2072330926830039040"
},
"fulltext": "腾讯游戏-大模型训练框架研发工程师/专家\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.负责构建和优化大规模预训练框架，支持多模态理解、视频生成模型的高效预训练；\n2.支持超长上下文训练，深入优化长序列场景下的分布式训练效率；\n3.深入优化分布式训练框架效率，提升算力利用率与模型吞吐性能；\n4.跟踪前沿研究趋势，探索高效预训练策略，如混合精度训练、稀疏训练等；\n5.与算法、数据、平台团队协作，形成从数据处理到训练部署的全流程自动化解决方案。\n1.计算机科学、人工智能、模式识别、计算语言学等相关专业硕士及以上学历；\n2.精通一种或多种主流深度学习框架（PyTorch、JAX、TensorFlow），具备大规模分布式训练经验；\n3.熟悉LLM/DiT等模型的训练流程，有 Megatron、DeepSpeed、FSDP等大规模训练框架使用经验者优先；\n4.具备扎实的工程实现能力与代码规范意识，熟悉CUDA优化、参数并行、流水线并行等技术。\n1.有超大规模集群训练优化经验和成功案例；\n2.参与过知名开源项目的开发维护，包括深度学习框架、分布式训练框架等方向；\n3.熟悉大规模训练的可观测建设、诊断分析、故障解决，有稳定性治理经验。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}