负责设计和优化LLM训练框架，支撑LLM高性能训练
与算法团队、平台团队紧密协作，确保LLM infra的稳定、高性能、可扩展，推动AI大模型技术的落地与创新：
负责设计和优化LLM训练框架，支撑LLM高性能训练
与算法团队、平台团队紧密协作，确保LLM infra的稳定、高性能、可扩展
系统设计与优化：设计并搭建分布式训练框架，跟平台协作，支持千亿级参数大模型的训练
性能调优与成本优化：针对大模型训练任务，优化框架（如PyTorch/VERL等）的分布式策略，提升训练效率
稳定性与可靠性保障：设计高可用架构，解决训练中断、数据丢失等风险，确保长周期训练任务的稳定性
协作与落地：与算法团队紧密合作，理解模型需求，提供基础设施层面的技术建议
推动开源工具的定制化开发，适配业务场景