{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "Token Foundry-训练系统算法工程师-Qwen",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "阿里集团",
        "location": "北京 / 杭州",
        "work_mode": "未披露",AI生成
        "job_category": "技术类-算法"AI生成
    },
    "company": {
        "company_name": "通义",
        "company_industry": "人工智能",
        "company_size": "未披露",
        "company_website": "alibaba.com",
        "company_description": "通义提供人工智能模型及文档阅读等AI应用。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "学历与基础： 计算机科学、人工智能或相关专业本科及以上学历（硕博优先）",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1. 训练策略设计与优化： 深入理解预训练与RL后训练（如PPO/GRPO等）算法流程，设计并优化大规模分布式训练策略（3D并行、MoE EP、Context Parallel等），解决RL阶段多模型（Actor/Critic/Rollout/Ref）交互的复杂调度与显存墙问题。\n2. 框架定制与二次开发： 基于主流训练框架（如Megatron-LM, DeepSpeed等），进行应用层和策略层的二次开发与插件编写，快速支持新模型架构（如长文本、多模态、新型MoE）和新优化器（如Muon, SOAP）的落地验证。\n3. 大规模训练稳定性保障（Troubleshooting）： 负责千卡/万卡集群训练的稳定性攻坚。排查并解决训练过程中的Loss Spike、OOM、Hang、通信死锁等疑难杂症，开发自动化诊断、监控与容错恢复工具链。\n4. 跨团队协同与联合调优： 作为算法侧接口人，与Infra团队紧密协同。从算法和框架视角提出性能优化需求，配合底层团队完成算子、通信库及硬件层面的联合Profiling与调优，而非独立承担底层基建开发。\n5. 前沿技术追踪与落地： 跟踪SOTA大模型训练技术，评估新技术在Qwen训练场景下的适用性，推动训练框架在算法侧的持续演进。",
        "requirements_text": "1. 学历与基础： 计算机科学、人工智能或相关专业本科及以上学历（硕博优先），具备扎实的深度学习理论基础，熟悉Transformer架构及LLM预训练/后训练（RLHF/RL）核心算法。\n2. 框架能力： 深入理解主流大模型训练框架（Megatron-LM, DeepSpeed, FSDP等）的工作机制与架构设计，具备丰富的源码级Debug、二次开发及插件编写能力。\n3. 分布式与调度经验： 熟悉GPU并行计算原理及集合通信原语，具备大规模分布式训练系统设计经验。有RL后训练多模型调度、MoE专家并行（EP）通信优化、或长文本Context Parallel实际落地经验者优先。\n4. 问题排查能力： 具备极强的Troubleshooting能力，熟练使用Nsys、Torch Profiler等工具，能够独立定位并解决大规模集群训练中的性能瓶颈、Loss异常及系统崩溃问题。\n5. 编程与协同： 精通Python。具备极强的跨团队沟通能力和目标导向意识。\n加分项：\n1. 具备千卡/万卡规模大模型预训练或RL训练的实际实操与稳定性保障经验。\n2. 在系统顶会（OSDI/SOSP/ASPLOS等）或AI顶会（NeurIPS/ICLR等）发表过相关论文。\n3. 在知名开源大模型训练框架（如Megatron-LM, vLLM等）中有核心代码贡献。",
        "skills": [AI生成
            "Python",
            "深度学习",
            "模型训练",
            "架构设计",
            "沟通能力",
            "大语言模型"
        ],
        "preferred_qualifications": "1. 学历与基础： 计算机科学、人工智能或相关专业本科及以上学历（硕博优先），具备扎实的深度学习理论基础，熟悉Transformer架构及LLM预训练/后训练（RLHF/RL）核心算法；有RL后训练多模型调度、MoE专家并行（EP）通信优化、或长文本Context Parallel实际落地经验者优先；加分项：",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://careers-tongyi.alibaba.com/off-campus/position-detail?positionId=100024560004"
            }
        ]
    },
    "posting": {
        "posting_id": "100024560004",
        "post_date": "2026-08-14",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://careers-tongyi.alibaba.com/off-campus/position-detail?positionId=100024560004"
    },
    "fulltext": "Token Foundry-训练系统算法工程师-Qwen\nToken Foundry-训练系统算法工程师-Qwen\n\n基础信息\n职位类别：技术类-算法\n工作地点：北京 / 杭州\n\n职位描述\n1. 训练策略设计与优化： 深入理解预训练与RL后训练（如PPO/GRPO等）算法流程，设计并优化大规模分布式训练策略（3D并行、MoE EP、Context Parallel等），解决RL阶段多模型（Actor/Critic/Rollout/Ref）交互的复杂调度与显存墙问题。\n2. 框架定制与二次开发： 基于主流训练框架（如Megatron-LM, DeepSpeed等），进行应用层和策略层的二次开发与插件编写，快速支持新模型架构（如长文本、多模态、新型MoE）和新优化器（如Muon, SOAP）的落地验证。\n3. 大规模训练稳定性保障（Troubleshooting）： 负责千卡/万卡集群训练的稳定性攻坚。排查并解决训练过程中的Loss Spike、OOM、Hang、通信死锁等疑难杂症，开发自动化诊断、监控与容错恢复工具链。\n4. 跨团队协同与联合调优： 作为算法侧接口人，与Infra团队紧密协同。从算法和框架视角提出性能优化需求，配合底层团队完成算子、通信库及硬件层面的联合Profiling与调优，而非独立承担底层基建开发。\n5. 前沿技术追踪与落地： 跟踪SOTA大模型训练技术，评估新技术在Qwen训练场景下的适用性，推动训练框架在算法侧的持续演进。\n\n职位要求\n1. 学历与基础： 计算机科学、人工智能或相关专业本科及以上学历（硕博优先），具备扎实的深度学习理论基础，熟悉Transformer架构及LLM预训练/后训练（RLHF/RL）核心算法。\n2. 框架能力： 深入理解主流大模型训练框架（Megatron-LM, DeepSpeed, FSDP等）的工作机制与架构设计，具备丰富的源码级Debug、二次开发及插件编写能力。\n3. 分布式与调度经验： 熟悉GPU并行计算原理及集合通信原语，具备大规模分布式训练系统设计经验。有RL后训练多模型调度、MoE专家并行（EP）通信优化、或长文本Context Parallel实际落地经验者优先。\n4. 问题排查能力： 具备极强的Troubleshooting能力，熟练使用Nsys、Torch Profiler等工具，能够独立定位并解决大规模集群训练中的性能瓶颈、Loss异常及系统崩溃问题。\n5. 编程与协同： 精通Python。具备极强的跨团队沟通能力和目标导向意识。\n加分项：\n1. 具备千卡/万卡规模大模型预训练或RL训练的实际实操与稳定性保障经验。\n2. 在系统顶会（OSDI/SOSP/ASPLOS等）或AI顶会（NeurIPS/ICLR等）发表过相关论文。\n3. 在知名开源大模型训练框架（如Megatron-LM, vLLM等）中有核心代码贡献。\n1. 训练策略设计与优化： 深入理解预训练与RL后训练（如PPO/GRPO等）算法流程，设计并优化大规模分布式训练策略（3D并行、MoE EP、Context Parallel等），解决RL阶段多模型（Actor/Critic/Rollout/Ref）交互的复杂调度与显存墙问题。\n2. 框架定制与二次开发： 基于主流训练框架（如Megatron-LM, DeepSpeed等），进行应用层和策略层的二次开发与插件编写，快速支持新模型架构（如长文本、多模态、新型MoE）和新优化器（如Muon, SOAP）的落地验证。\n3. 大规模训练稳定性保障（Troubleshooting）： 负责千卡/万卡集群训练的稳定性攻坚。排查并解决训练过程中的Loss Spike、OOM、Hang、通信死锁等疑难杂症，开发自动化诊断、监控与容错恢复工具链。\n4. 跨团队协同与联合调优： 作为算法侧接口人，与Infra团队紧密协同。从算法和框架视角提出性能优化需求，配合底层团队完成算子、通信库及硬件层面的联合Profiling与调优，而非独立承担底层基建开发。\n5. 前沿技术追踪与落地： 跟踪SOTA大模型训练技术，评估新技术在Qwen训练场景下的适用性，推动训练框架在算法侧的持续演进。\n1. 学历与基础： 计算机科学、人工智能或相关专业本科及以上学历（硕博优先），具备扎实的深度学习理论基础，熟悉Transformer架构及LLM预训练/后训练（RLHF/RL）核心算法。\n2. 框架能力： 深入理解主流大模型训练框架（Megatron-LM, DeepSpeed, FSDP等）的工作机制与架构设计，具备丰富的源码级Debug、二次开发及插件编写能力。\n3. 分布式与调度经验： 熟悉GPU并行计算原理及集合通信原语，具备大规模分布式训练系统设计经验。有RL后训练多模型调度、MoE专家并行（EP）通信优化、或长文本Context Parallel实际落地经验者优先。\n4. 问题排查能力： 具备极强的Troubleshooting能力，熟练使用Nsys、Torch Profiler等工具，能够独立定位并解决大规模集群训练中的性能瓶颈、Loss异常及系统崩溃问题。\n5. 编程与协同： 精通Python。具备极强的跨团队沟通能力和目标导向意识。\n加分项：\n1. 具备千卡/万卡规模大模型预训练或RL训练的实际实操与稳定性保障经验。\n2. 在系统顶会（OSDI/SOSP/ASPLOS等）或AI顶会（NeurIPS/ICLR等）发表过相关论文。\n3. 在知名开源大模型训练框架（如Megatron-LM, vLLM等）中有核心代码贡献。",
    "standard_classification": {
        "std_category_code": "T014",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}