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": "大模型训练框架开发工程师-抖音研发",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "后端"AI生成
},
"company": {
"company_name": "字节跳动",
"company_industry": "互联网 / 数字内容 / 电商",
"company_size": "10000人以上",
"company_website": "bytedance.com",
"company_description": "字节跳动提供内容创作、信息分发、电商和协作产品，旗下产品包括抖音、今日头条、TikTok和飞书。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 2,
"degree": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、设计与优化大模型的分布式训练架构，包括FSDP/ZeRO、TP、PP、EP、SP等策略；\n2、提升GPU/NPU平台的训练性能与资源利用率，优化通信、调度与内存使用；\n3、构建高可靠的训练管线（Checkpoint、混合精度、容错、Profiling等）；\n4、参与模型在不同硬件平台的适配与性能对齐；\n5、为模型团队提供训练支持、调优方案和工具链建设。",
"requirements_text": "1、计算机或相关专业背景，本科及以上学历；\n2、2年以上深度学习或分布式训练相关经验；熟悉PyTorch/DeepSpeed/Megatron/MindSpore等训练框架原理与实现；\n3、深入理解多机多卡通信机制与并行策略（NCCL、HCCL、FSDP、TP、PP等）；\n4、具备GPU/NPU平台的性能调优经验，能识别并解决性能瓶颈；\n5、有较大尺寸模型（如32B+Dense或100B+MoE）训练经验者优先；\n6、具备良好的代码能力、系统分析能力与协作沟通能力。\n\n加分项：\n1、实战经验：完成过百卡级以上大模型训练任务；\n2、框架贡献：参与过Megatron-LM、DeepSpeed、ColossalAI、MindSpore等开源项目；\n3、系统优化：具备CUDA/C++/通信调度/算子优化能力。",
"skills": [AI生成
"C++",
"PyTorch",
"CUDA",
"深度学习",
"模型训练",
"性能调优",
"沟通能力",
"分析能力",
"大语言模型"
],
"preferred_qualifications": "5、有较大尺寸模型（如32B+Dense或100B+MoE）训练经验者优先；加分项：",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7559162029769705746/detail"
}
]
},
"posting": {
"posting_id": "7559162029769705746",
"post_date": "2025-10-09",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7559162029769705746/detail"
},
"fulltext": "大模型训练框架开发工程师-抖音研发\n职位描述\n1、设计与优化大模型的分布式训练架构，包括FSDP/ZeRO、TP、PP、EP、SP等策略；\n2、提升GPU/NPU平台的训练性能与资源利用率，优化通信、调度与内存使用；\n3、构建高可靠的训练管线（Checkpoint、混合精度、容错、Profiling等）；\n4、参与模型在不同硬件平台的适配与性能对齐；\n5、为模型团队提供训练支持、调优方案和工具链建设。\n\n职位要求\n1、计算机或相关专业背景，本科及以上学历；\n2、2年以上深度学习或分布式训练相关经验；熟悉PyTorch/DeepSpeed/Megatron/MindSpore等训练框架原理与实现；\n3、深入理解多机多卡通信机制与并行策略（NCCL、HCCL、FSDP、TP、PP等）；\n4、具备GPU/NPU平台的性能调优经验，能识别并解决性能瓶颈；\n5、有较大尺寸模型（如32B+Dense或100B+MoE）训练经验者优先；\n6、具备良好的代码能力、系统分析能力与协作沟通能力。\n\n加分项：\n1、实战经验：完成过百卡级以上大模型训练任务；\n2、框架贡献：参与过Megatron-LM、DeepSpeed、ColossalAI、MindSpore等开源项目；\n3、系统优化：具备CUDA/C++/通信调度/算子优化能力。\n1、设计与优化大模型的分布式训练架构，包括FSDP/ZeRO、TP、PP、EP、SP等策略；\n2、提升GPU/NPU平台的训练性能与资源利用率，优化通信、调度与内存使用；\n3、构建高可靠的训练管线（Checkpoint、混合精度、容错、Profiling等）；\n4、参与模型在不同硬件平台的适配与性能对齐；\n5、为模型团队提供训练支持、调优方案和工具链建设。\n1、计算机或相关专业背景，本科及以上学历；\n2、2年以上深度学习或分布式训练相关经验；熟悉PyTorch/DeepSpeed/Megatron/MindSpore等训练框架原理与实现；\n3、深入理解多机多卡通信机制与并行策略（NCCL、HCCL、FSDP、TP、PP等）；\n4、具备GPU/NPU平台的性能调优经验，能识别并解决性能瓶颈；\n5、有较大尺寸模型（如32B+Dense或100B+MoE）训练经验者优先；\n6、具备良好的代码能力、系统分析能力与协作沟通能力。\n\n加分项：\n1、实战经验：完成过百卡级以上大模型训练任务；\n2、框架贡献：参与过Megatron-LM、DeepSpeed、ColossalAI、MindSpore等开源项目；\n3、系统优化：具备CUDA/C++/通信调度/算子优化能力。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}