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": "阿里健康-AI infra专家（训练方向）-杭州/北京",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "阿里健康",
"location": "北京 / 杭州",
"work_mode": "未披露",AI生成
"job_category": "未披露"AI生成
},
"company": {
"company_name": "阿里健康",
"company_industry": "医药电商 / 数字医疗",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "阿里健康提供线上线下药事服务和数字化医疗服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "本科",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "训练方向：\n负责分布式训练框架的设计与优化，支撑医学大模型（LLM及多模态）的预训练、SFT微调、Post-Training（RLHF/GRPO/PPO等强化学习对齐）全流程训练任务。\n构建高效稳定的训练数据Pipeline，包括数据预处理、数据加载与调度、Checkpoint管理（异步快照、分布式Checkpoint、断点续训）等基础设施。\n优化大规模分布式训练的性能与稳定性，包括并行策略设计与调优（数据并行/张量并行/流水线并行/序列并行）、MoE架构训练与专家并行（Expert Parallelism）、FP8/BF16混合精度训练、长上下文训练（Ring Attention/Context Parallelism）、通信拓扑优化等。",
"requirements_text": "1、精通代码编写，包括但不限于C/C++/Python/Rust/Java等，熟悉Linux/Unix开发环境，具备良好的工程实现能力，有较强的代码调试和解决技术问题的能力。\n2、熟悉计算机系统相关知识，包括计算机网络、操作系统、计算机体系结构、数据库等；对AI Infra相关技术有浓厚兴趣，熟悉Nvidia GPU及相关生态者优先。\n3、对医疗健康领域有兴趣，了解医疗AI行业的特殊要求（如数据合规、模型可靠性、循证医学等）者加分。\n4、有较强的团队精神和沟通交流能力，能够跨团队协作推动项目落地。\n5、熟悉业界主流的分布式训练框架，包括但不限于PyTorch/Megatron/DeepSpeed/verl等，有大规模预训练、微调或RL训练（如GRPO/PPO）的实战经验。\n具备分布式训练的高性能计算经验，如并行策略调优（数据并行/张量并行/流水线并行/序列并行）、MoE架构与专家并行（Expert Parallelism）、FP8/BF16混合精度训练、长上下文训练、梯度累积与通信拓扑优化、弹性Checkpoint等。",
"skills": [AI生成
"Python",
"Java",
"C++",
"Rust",
"Linux",
"PyTorch",
"数据库",
"可靠性",
"团队协作",
"沟通能力"
],
"preferred_qualifications": "对AI Infra相关技术有浓厚兴趣，熟悉Nvidia GPU及相关生态者优先；3、对医疗健康领域有兴趣，了解医疗AI行业的特殊要求（如数据合规、模型可靠性、循证医学等）者加分",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://careers.alihealth.cn/off-campus/position-detail?positionId=100017720004"
}
]
},
"posting": {
"posting_id": "100017720004",
"post_date": "2026-09-15",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers.alihealth.cn/off-campus/position-detail?positionId=100017720004"
},
"fulltext": "阿里健康-AI infra专家（训练方向）-杭州/北京\n阿里健康-AI infra专家（训练方向）-杭州/北京\n\n基础信息\n工作地点：北京 / 杭州\n\n职位描述\n训练方向：\n负责分布式训练框架的设计与优化，支撑医学大模型（LLM及多模态）的预训练、SFT微调、Post-Training（RLHF/GRPO/PPO等强化学习对齐）全流程训练任务。\n构建高效稳定的训练数据Pipeline，包括数据预处理、数据加载与调度、Checkpoint管理（异步快照、分布式Checkpoint、断点续训）等基础设施。\n优化大规模分布式训练的性能与稳定性，包括并行策略设计与调优（数据并行/张量并行/流水线并行/序列并行）、MoE架构训练与专家并行（Expert Parallelism）、FP8/BF16混合精度训练、长上下文训练（Ring Attention/Context Parallelism）、通信拓扑优化等。\n\n职位要求\n1、精通代码编写，包括但不限于C/C++/Python/Rust/Java等，熟悉Linux/Unix开发环境，具备良好的工程实现能力，有较强的代码调试和解决技术问题的能力。\n2、熟悉计算机系统相关知识，包括计算机网络、操作系统、计算机体系结构、数据库等；对AI Infra相关技术有浓厚兴趣，熟悉Nvidia GPU及相关生态者优先。\n3、对医疗健康领域有兴趣，了解医疗AI行业的特殊要求（如数据合规、模型可靠性、循证医学等）者加分。\n4、有较强的团队精神和沟通交流能力，能够跨团队协作推动项目落地。\n5、熟悉业界主流的分布式训练框架，包括但不限于PyTorch/Megatron/DeepSpeed/verl等，有大规模预训练、微调或RL训练（如GRPO/PPO）的实战经验。\n具备分布式训练的高性能计算经验，如并行策略调优（数据并行/张量并行/流水线并行/序列并行）、MoE架构与专家并行（Expert Parallelism）、FP8/BF16混合精度训练、长上下文训练、梯度累积与通信拓扑优化、弹性Checkpoint等。\n训练方向：\n负责分布式训练框架的设计与优化，支撑医学大模型（LLM及多模态）的预训练、SFT微调、Post-Training（RLHF/GRPO/PPO等强化学习对齐）全流程训练任务。\n构建高效稳定的训练数据Pipeline，包括数据预处理、数据加载与调度、Checkpoint管理（异步快照、分布式Checkpoint、断点续训）等基础设施。\n优化大规模分布式训练的性能与稳定性，包括并行策略设计与调优（数据并行/张量并行/流水线并行/序列并行）、MoE架构训练与专家并行（Expert Parallelism）、FP8/BF16混合精度训练、长上下文训练（Ring Attention/Context Parallelism）、通信拓扑优化等。\n1、精通代码编写，包括但不限于C/C++/Python/Rust/Java等，熟悉Linux/Unix开发环境，具备良好的工程实现能力，有较强的代码调试和解决技术问题的能力。\n2、熟悉计算机系统相关知识，包括计算机网络、操作系统、计算机体系结构、数据库等；对AI Infra相关技术有浓厚兴趣，熟悉Nvidia GPU及相关生态者优先。\n3、对医疗健康领域有兴趣，了解医疗AI行业的特殊要求（如数据合规、模型可靠性、循证医学等）者加分。\n4、有较强的团队精神和沟通交流能力，能够跨团队协作推动项目落地。\n5、熟悉业界主流的分布式训练框架，包括但不限于PyTorch/Megatron/DeepSpeed/verl等，有大规模预训练、微调或RL训练（如GRPO/PPO）的实战经验。\n具备分布式训练的高性能计算经验，如并行策略调优（数据并行/张量并行/流水线并行/序列并行）、MoE架构与专家并行（Expert Parallelism）、FP8/BF16混合精度训练、长上下文训练、梯度累积与通信拓扑优化、弹性Checkpoint等。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}