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": "大模型AI Infra平台研发工程师（J105494）",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "基础模型研发部",
"location": "北京市",
"work_mode": "未披露",AI生成
"job_category": "技术"AI生成
},
"company": {
"company_name": "百度",
"company_industry": "互联网 / 人工智能",
"company_size": "10000人以上",
"company_website": "baidu.com",
"company_description": "百度围绕搜索发展人工智能技术，业务涉及语音、图像、知识图谱、自然语言处理、自动驾驶和AI芯片。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "-本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "-参与超大规模的AI Infra平台架构设计与研发，统一承载预训练、Midtrain、SFT、RL 场景，打通数据版本、代码、镜像、配置、资源与产物，实现全程可观测、可追踪。统一训练指标、系统指标、日志、资源与评估结果视图，支撑实验归因、故障归因、性能与成本分析\n-基于 Kubernetes、Ray 等技术栈，设计大规模异构资源调度体系，提供拓扑感知、配额抢占、细粒度容错、弹性扩缩容、长任务恢复、异常对账、灰度回滚等能力，保障超大规模训练任务稳定运行\n-建设 Agent 友好的 API 与工作流，统一自然语言、表单、YAML、CLI 的实验与执行语义；探索参数补全、任务编排、故障诊断与受约束自动化实验迭代\n-独立完成复杂问题拆解、方案设计、上线验证与复盘改进，推动多团队达成接口、排期与验收共识，识别架构演进与技术债风险并沉淀工程机制",
"requirements_text": "-本科及以上学历，计算机、软件工程、人工智能或相关专业；3 年及以上分布式系统、云原生平台、AI Infra 或大模型训练平台研发经验\n-熟练掌握 Go、Python、C++、Java 中至少一种语言，能独立完成生产级系统的设计、编码、测试、上线与运维\n-具备在大数据处理系统Ray/Spark、分布式系统Kubernetes上构建AI平台的经验\n-对大模型一站式实验平台（MLOps/LLMOps）平台建设有深入了解，掌握数据版本管理、实验追踪、模型中心、推理部署、模型评估等模块的技术细节\n-具备 Agent 工具调用、MCP/Skill、长期任务状态、评估与回放、Memory 或 Auto Research 相关实践经验\n-具备较强的抽象与系统设计能力，能从用户目标出发定义对象、边界、接口与验收指标；具备良好的 Ownership 与跨团队推动能力，自驱力强，敢于攻坚复杂系统问题",
"skills": [AI生成
"Python",
"Java",
"C++",
"Kubernetes",
"Spark",
"分布式系统",
"模型训练",
"Go",
"大语言模型"
],
"preferred_qualifications": "未披露",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.baidu.com/jobs/detail/SOCIAL/2216e7ae-f75d-4e7c-b14d-669a4171a1ff"
}
]
},
"posting": {
"posting_id": "2216e7ae-f75d-4e7c-b14d-669a4171a1ff",
"post_date": "2026-09-11",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.baidu.com/jobs/detail/SOCIAL/2216e7ae-f75d-4e7c-b14d-669a4171a1ff"
},
"fulltext": "大模型AI Infra平台研发工程师（J105494）\n大模型AI Infra平台研发工程师（J105494）\n\n基础信息\n部门：基础模型研发部\n地点：北京市\n类别：技术\n招聘人数：1\n发布时间：2026-09-14\n\n工作职责\n-参与超大规模的AI Infra平台架构设计与研发，统一承载预训练、Midtrain、SFT、RL 场景，打通数据版本、代码、镜像、配置、资源与产物，实现全程可观测、可追踪。统一训练指标、系统指标、日志、资源与评估结果视图，支撑实验归因、故障归因、性能与成本分析\n-基于 Kubernetes、Ray 等技术栈，设计大规模异构资源调度体系，提供拓扑感知、配额抢占、细粒度容错、弹性扩缩容、长任务恢复、异常对账、灰度回滚等能力，保障超大规模训练任务稳定运行\n-建设 Agent 友好的 API 与工作流，统一自然语言、表单、YAML、CLI 的实验与执行语义；探索参数补全、任务编排、故障诊断与受约束自动化实验迭代\n-独立完成复杂问题拆解、方案设计、上线验证与复盘改进，推动多团队达成接口、排期与验收共识，识别架构演进与技术债风险并沉淀工程机制\n\n职责要求\n-本科及以上学历，计算机、软件工程、人工智能或相关专业；3 年及以上分布式系统、云原生平台、AI Infra 或大模型训练平台研发经验\n-熟练掌握 Go、Python、C++、Java 中至少一种语言，能独立完成生产级系统的设计、编码、测试、上线与运维\n-具备在大数据处理系统Ray/Spark、分布式系统Kubernetes上构建AI平台的经验\n-对大模型一站式实验平台（MLOps/LLMOps）平台建设有深入了解，掌握数据版本管理、实验追踪、模型中心、推理部署、模型评估等模块的技术细节\n-具备 Agent 工具调用、MCP/Skill、长期任务状态、评估与回放、Memory 或 Auto Research 相关实践经验\n-具备较强的抽象与系统设计能力，能从用户目标出发定义对象、边界、接口与验收指标；具备良好的 Ownership 与跨团队推动能力，自驱力强，敢于攻坚复杂系统问题\n-参与超大规模的AI Infra平台架构设计与研发，统一承载预训练、Midtrain、SFT、RL 场景，打通数据版本、代码、镜像、配置、资源与产物，实现全程可观测、可追踪。统一训练指标、系统指标、日志、资源与评估结果视图，支撑实验归因、故障归因、性能与成本分析\n-基于 Kubernetes、Ray 等技术栈，设计大规模异构资源调度体系，提供拓扑感知、配额抢占、细粒度容错、弹性扩缩容、长任务恢复、异常对账、灰度回滚等能力，保障超大规模训练任务稳定运行\n-建设 Agent 友好的 API 与工作流，统一自然语言、表单、YAML、CLI 的实验与执行语义；探索参数补全、任务编排、故障诊断与受约束自动化实验迭代\n-独立完成复杂问题拆解、方案设计、上线验证与复盘改进，推动多团队达成接口、排期与验收共识，识别架构演进与技术债风险并沉淀工程机制\n-本科及以上学历，计算机、软件工程、人工智能或相关专业；3 年及以上分布式系统、云原生平台、AI Infra 或大模型训练平台研发经验\n-熟练掌握 Go、Python、C++、Java 中至少一种语言，能独立完成生产级系统的设计、编码、测试、上线与运维\n-具备在大数据处理系统Ray/Spark、分布式系统Kubernetes上构建AI平台的经验\n-对大模型一站式实验平台（MLOps/LLMOps）平台建设有深入了解，掌握数据版本管理、实验追踪、模型中心、推理部署、模型评估等模块的技术细节\n-具备 Agent 工具调用、MCP/Skill、长期任务状态、评估与回放、Memory 或 Auto Research 相关实践经验\n-具备较强的抽象与系统设计能力，能从用户目标出发定义对象、边界、接口与验收指标；具备良好的 Ownership 与跨团队推动能力，自驱力强，敢于攻坚复杂系统问题",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}