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": "大模型可观测/模型优化工程师（J105368）",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "ACG",
"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": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "-负责AI Infra可观测平台建设，覆盖大模型训练、推理全链路的性能、精度与稳定性分析\n-负责模型性能分析、精度对比、异常检测与故障定位，提升模型运行效率与稳定性\n-开发模型分析与优化相关工具链，支持模型适配、性能优化及精度问题定位\n-建设面向GPU/异构算力 的 Metrics、Log、Trace、Profiling 等可观测能力",
"requirements_text": "-熟悉 Python/C++、Linux，有 AI Infra 或大模型相关开发经验\n-熟悉 PyTorch、CUDA/GPU，了解训练或推理框架\n-有量化、模型适配、GPU/NPU/XPU 经验优先\n-有性能优化、精度分析、Profiling、可观测平台开发经验优先",
"skills": [AI生成
"Python",
"C++",
"Linux",
"PyTorch",
"CUDA",
"性能优化",
"大语言模型"
],
"preferred_qualifications": "有量化、模型适配、GPU/NPU/XPU 经验优先；有性能优化、精度分析、Profiling、可观测平台开发经验优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.baidu.com/jobs/detail/SOCIAL/728ee4cf-ff67-4b7e-b114-f034dcea9a7a"
}
]
},
"posting": {
"posting_id": "728ee4cf-ff67-4b7e-b114-f034dcea9a7a",
"post_date": "2026-09-03",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.baidu.com/jobs/detail/SOCIAL/728ee4cf-ff67-4b7e-b114-f034dcea9a7a"
},
"fulltext": "大模型可观测/模型优化工程师（J105368）\n大模型可观测/模型优化工程师（J105368）\n\n基础信息\n部门：ACG\n地点：北京市\n类别：技术\n招聘人数：1\n发布时间：2026-09-03\n\n工作职责\n-负责AI Infra可观测平台建设，覆盖大模型训练、推理全链路的性能、精度与稳定性分析\n-负责模型性能分析、精度对比、异常检测与故障定位，提升模型运行效率与稳定性\n-开发模型分析与优化相关工具链，支持模型适配、性能优化及精度问题定位\n-建设面向GPU/异构算力 的 Metrics、Log、Trace、Profiling 等可观测能力\n\n职责要求\n-熟悉 Python/C++、Linux，有 AI Infra 或大模型相关开发经验\n-熟悉 PyTorch、CUDA/GPU，了解训练或推理框架\n-有量化、模型适配、GPU/NPU/XPU 经验优先\n-有性能优化、精度分析、Profiling、可观测平台开发经验优先\n-负责AI Infra可观测平台建设，覆盖大模型训练、推理全链路的性能、精度与稳定性分析\n-负责模型性能分析、精度对比、异常检测与故障定位，提升模型运行效率与稳定性\n-开发模型分析与优化相关工具链，支持模型适配、性能优化及精度问题定位\n-建设面向GPU/异构算力 的 Metrics、Log、Trace、Profiling 等可观测能力\n-熟悉 Python/C++、Linux，有 AI Infra 或大模型相关开发经验\n-熟悉 PyTorch、CUDA/GPU，了解训练或推理框架\n-有量化、模型适配、GPU/NPU/XPU 经验优先\n-有性能优化、精度分析、Profiling、可观测平台开发经验优先",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}