小红书

工作职责 1、参与内部大模型平台 QuickSilver 的 GPU 资源调度与治理模块研发，完成调度策略、后端服务和资源可视化功能交付。 2、参与 Quota 管理、资源配额、资源申请、资源回收、资源出借等能力建设，支持多业务、多团队、多集群资源管理。 3、参与万卡规模 GPU 集群调度优化，围绕资源分配率、GPU 利用率、任务等待时长、资源碎片等指标提升集群效率。 4、参与训练、后训练、推理等负载下的弹性调度建设，探索潮汐调度、抢占调度、在线 / 离线混部、低峰缩容、高峰预扩容等策略。 5、参与多机房、多集群、多卡型、GPU / NPU 等异构资源调度能力建设，结合网络、存储、通信拓扑优化调度策略。 6、参与 GPU 资源可观测体系建设，并将调度能力与大模型训练、推理、部署、评估链路结合，提升 AI 生产效率和平台稳定性。 任职资格 任职要求 1、计算机、软件工程、人工智能等相关专业在校生，具备扎实的编程基础和计算机系统基础。 2、熟悉 Go / Python / Java 中至少一门语言，具备良好的代码能力和工程实现意识。 3、熟悉 Linux，了解 Docker / Kubernetes 等云原生技术栈，对 K8s Scheduler、Volcano、Kueue、Kubeflow、Argo Workflows 等调度系统有兴趣或实践经验。 4、理解分布式系统基本概念，了解服务发现、资源隔离、任务调度、故障恢复、弹性伸缩、监控告警等能力。 5、对大模型训练、后训练、推理、部署等流程有兴趣，愿意理解不同 AI 负载对 GPU、网络、存储和调度策略的差异化诉求。 6、具备较好的数据分析、问题定位、沟通协作和自驱能力，能熟练使用 Cursor、Claude Code、GitHub Copilot 等 AI 工具辅助研发。 加分项 1、接触过 Kubernetes Scheduler、Volcano、Kueue、Kubeflow、Ray、OpenKruise、联邦集群等云原生或调度系统。 2、有 GPU 集群、资源调度、Quota 管理、资源利用率分析、在线 / 离线混部、抢占调度、潮汐调度、弹性伸缩等实践经验。 3、有大模型训练、推理、部署平台使用或开发经验，了解 PyTorch、DeepSpeed、Megatron、vLLM、SGLang 等框架。 4、了解 RDMA、IB、RoCE、NCCL、网络拓扑、存储性能等基础知识，理解其对大规模训练和推理调度的影响。 5、有优秀个人开源项目、技术博客，或曾利用 AI 工具独立交付云原生、调度、平台类项目。 6、有资源利用率分析、监控指标看板、任务画像分析、调度策略评估等经验，能通过数据驱动系统优化。