【Plan A】AI工程师（模型与系统架构）-百灵-27届

岗位职责

Ling Team 聚焦百灵模型家族的核心算法创新。 我们不仅关注算法的理论上限，更关注：

• 算法在工业界场景的稳定落地与高效实现
• 训练与推理系统的极致性能（吞吐与利用率）
• 从数据处理到模型部署的全链路自动化与工程化
• 在万亿参数与百万上下文规模下的系统鲁棒性 在1T参数与1M Context的规模下，即时模型的后训练是一项庞大的系统工程。本岗位将主导大规模训练Pipeline的构建、Agentic 能力的工程实现以及数据流转系统的开发。我们寻找的不仅是理解算法原理的工程师，更是能编写高质量代码、构建高效训练框架、解决实际算力与数据瓶颈的实战派*

主要职责：

1. 大规模训练管线构建与优化 (Pipeline Engineering)

• 训练系统开发：负责万亿参数级模型 SFT / RLHF / RLVR / Agentic RL 等全流程训练的搭建、维护与性能调优。
• 效率与稳定性：解决分布式训练中的显存墙、通信瓶颈与稳定性问题，优化 GPU 利用率与训练吞吐量（Throughput）。
• 算法工程化落地：将前沿的强化学习算法（如复合奖励模型、过程监督）转化为高可用的工程代码，实现训推一体化框架的平滑流转。
• 实验管理：构建标准化的实验管理平台，支持算法团队进行高效的超参搜索与模型迭代。

1. 模型能力实现与评测体系 (Capability Implementation & Eval)

• 能力专项建设：针对逻辑推理、长程规划及工具使用（Tool Use）等能力，实现具体的训练任务与数据配方加载，确保模型能力按预期对齐。
• Agentic 工程集成：实现模型与外部环境（如代码解释器、API）的交互接口，开发高并发、高保真的 Agent 仿真训练环境。
• 自动化评测：构建覆盖长上下文、多轮对话及复杂指令遵循的自动化评测系统（Eval Pipeline），快速反馈模型迭代效果。

任职要求

1. 编码与工程能力： 1）算法与数据结构功底极其扎实，曾获 NOI/IOI、ACM/ICPC 等顶尖算法竞赛奖牌者优先；能将竞赛级的代码实现能力用于 LLM 场景，极致优化核心算法（如Attention计算、KV Cache管理）的时空复杂度。 2）熟练掌握 Python/C++ 和 PyTorch，具备深度的分布式训练（多机多卡调优）经验；有高性能计算底层开发经验（如CUDA编程、Triton、SIMD指令优化）者更佳。 3）熟悉代码调试与性能分析工具（如 gdb/pdb, Nsight Systems, PyTorch Profiler），能快速定位显存死锁并攻克系统级性能瓶颈。
2. 学历与算法基础： 计算机科学、人工智能、数学等相关专业硕士及以上学历（拥有优秀工程竞赛背景者可放宽）；理解 Transformer 架构及 SFT / RLHF / DPO / PPO / GRPO 等核心算法；熟悉 AI Agent 关键技术（如复杂规划、工具调用、记忆机制、RAG及多智能体系统等）。
3. 实践经验（加分项）： 有头部科技公司或知名 AI 实验室大模型底层基建（Infra）实习经验者优先。

特色标签

C/C++、distributed computing、infrastructure、intelligent agent、Python、Transformer模型架构、人类反馈强化学习、代理、代理强化学习、分布式训练、参加算法相关竞赛/获奖、变压器架构、吞吐量、基于人类反馈的强化学习、基于视频反馈的强化学习、大模型算法、工具使用、工具调用、并行计算、强化学习、智能体、智能体强化学习、机器学习、模型加速/性能优化、深度学习、监督式微调、监督微调、算法工程化经验、自然语言处理算法、视频反馈强化学习、训练吞吐量、评估流水线、评测流水线、键值对缓存、键值缓存