5 年以上 Kubernetes 深度使用或二次开发经验，熟悉 Scheduler Framework、CRD、Operator
有 大规模 GPU 集群（≥100 卡）调度系统 实战经验，熟悉 Volcano / Kueue / YuniKorn 等批处理调度器
了解分布式训练通信原理，有 NCCL 调优、RDMA 故障排查、AllReduce 性能分析经验优先
参与过企业级机器学习平台（如 Kubeflow, Metaflow, SageMaker, PAI）核心模块开发
熟悉主流训练框架：DeepSpeed（ZeRO, Offload）、Megatron-LM（Tensor/Pipeline Parallel）、PyTorch FSDP
了解高性能网络硬件：NVIDIA ConnectX 系列 NIC、InfiniBand vs RoCE、GPUDirect 技术