训练集群调度器研发工程师

岗位概述 负责公司自动驾驶端到端大模型训练平台的核心调度系统设计与开发。面向千卡/万卡级 GPU 集群，打造高吞吐、高资源利用率、网络拓扑感知的训练任务调度引擎，支撑大规模分布式训练（PyTorch/NCCL）的高效稳定运行。 核心职责 1、调度系统架构与开发 设计并实现面向 AI 训练场景的集群调度器，支持 Kubernetes / Slurm / 自研调度框架的二次开发与深度优化 实现 Gang Scheduling、Capacity Scheduling、抢占与弹性扩缩容等核心调度策略 开发任务排队、优先级管理、资源配额与多租户隔离机制 2、GPU 与网络拓扑感知调度 构建 GPU 亲和性调度（NVLink / PCIe 拓扑感知），最小化跨节点通信开销 实现 RDMA/RoCE 网络拓扑感知的节点分配与流量调度，避免拥塞热点 支持 GPU 虚拟化（MIG / vGPU / 时间片共…… 完整岗位描述与官方投递入口,请登录后在岗位详情页查看。

本站当前在招 5739 个广州岗位（全城各职能合计），其中 445 个公开标注了薪资。按这些标注统计：月薪（税前）主流区间 7.5K ~ 18K（25~75 分位），中位约 12K，最低 1K、最高 83K。