美团(meituan)招聘【基座大模型北斗实习】大模型预训练研究
招聘职位：
【基座大模型北斗实习】大模型预训练研究 搜索同类职位
岗位职责：
简介：千亿参数、万亿Token、万卡集群——预训练的核心命题只有一个：在极限规模下，让每一张GPU都跑满，每一次迭代都不浪费。这是工程复杂度最高、也最能锻炼系统能力的地方。
你可能会做以下方向研究：
1、超大规模分布式训练
①设计和优化ND并行（EP/CP/DP/TP/PP）+ MoE并行混合策略，支撑万亿参数模型训练。
②深入 Megatron-LM 内核，针对美团模型架构做定制化设计、改造，性能优化。
③解决流水线气泡、显存碎片、梯度累积等大规模训练特有的工程难题，细粒度控制平衡计算通行的精度和效率。
2、计算 & 算子优化
①基于 CUDA / Triton 开发高性能训练算子（FlashAttention变体、FusedMLP、RMSNorm等）。
②推进 8bit、4bit 混合精度训练落地，在精度与速度之间找到最优平衡。
③通过 profiling 定位热点，把MFU（模型算力利用率）推向理论上限。
3、通信链路优化
①深挖 NCCL / RDMA / InfiniBand 通信性能，优化 AllReduce/AllGather/MoE层Dispatch/Combine 等集合通信原语。
②结合网络拓扑设计通信-计算重叠策略，让通信开销近乎透明。
4、稳定性 & 大规模容错
①构建万卡级自动故障检测、弹性容错、断点续训机制。
②设计高效的异步checkpoint方案，千亿模型保存时间压到分钟级。
③开发训练健康度监控系统：loss异常、梯度爆炸、卡间通信超时等实时告警。
5、存储 & 数据IO
①解决 PB级预训练语料的高并发高吞吐读取问题。
②设计 tokenized 数据的分布式缓存与预取，IO不成为训练瓶颈。
任职要求：
1、具备 CUDA kernel 开发和 Profile 能力，理解并行计算、存储层级架构，或具备国产AI算力开发经验；
2、改过 Megatron-LM / DeepSpeed / FSDP 源码（不是只跑过）；
3、了解 NCCL 原理 或有 RDMA / 网络协议栈经验；
4、MLSys / OSDI / SOSP / ISCA 等系统顶会论文；
5、PyTorch / Megatron 开源贡献记录。
简介：千亿参数、万亿Token、万卡集群——预训练的核心命题只有一个：在极限规模下，让每一张GPU都跑满，每一次迭代都不浪费。这是工程复杂度最高、也最能锻炼系统能力的地方。
你可能会做以下方向研究：
1、超大规模分布式训练
①设计和优化ND并行（EP/CP/DP/TP/PP）+ MoE并行混合策略，支撑万亿参数模型训练。
②深入 Megatron-LM 内核，针对美团模型架构做定制化设计、改造，性能优化。
③解决流水线气泡、显存碎片、梯度累积等大规模训练特有的工程难题，细粒度控制平衡计算通行的精度和效率。
2、计算 & 算子优化
①基于 CUDA / Triton 开发高性能训练算子（FlashAttention变体、FusedMLP、RMSNorm等）。
②推进 8bit、4bit 混合精度训练落地，在精度与速度之间找到最优平衡。
③通过 profiling 定位热点，把MFU（模型算力利用率）推向理论上限。
3、通信链路优化
①深挖 NCCL / RDMA / InfiniBand 通信性能，优化 AllReduce/AllGather/MoE层Dispatch/Combine 等集合通信原语。
②结合网络拓扑设计通信-计算重叠策略，让通信开销近乎透明。
4、稳定性 & 大规模容错
①构建万卡级自动故障检测、弹性容错、断点续训机制。
②设计高效的异步checkpoint方案，千亿模型保存时间压到分钟级。
③开发训练健康度监控系统：loss异常、梯度爆炸、卡间通信超时等实时告警。
5、存储 & 数据IO
①解决 PB级预训练语料的高并发高吞吐读取问题。
②设计 tokenized 数据的分布式缓存与预取，IO不成为训练瓶颈。
任职要求：
1、具备 CUDA kernel 开发和 Profile 能力，理解并行计算、存储层级架构，或具备国产AI算力开发经验；
2、改过 Megatron-LM / DeepSpeed / FSDP 源码（不是只跑过）；
3、了解 NCCL 原理 或有 RDMA / 网络协议栈经验；
4、MLSys / OSDI / SOSP / ISCA 等系统顶会论文；
5、PyTorch / Megatron 开源贡献记录。
免责声明：
此信息由美团官网 (查看来源)审核并发布，我们转载该信息，仅出于传递更多就业招聘资讯、促进大学生及广大求职者就业之目的。该招聘职位信息的真实性、准确性、时效性及合法性均由原始发布方“美团官网”负责。我们作为信息转载平台，不构成求职建议，不涉及任何职业中介服务，不对其内容承担任何形式的保证责任。请用户在使用转载信息时保持审慎，自行判断并承担相应风险，求职请认准企业官方渠道！