【基座大模型北斗实习】大模型预训练研究

Job description

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

• 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。
• 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。
• 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。
• 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。
• 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。
• 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；
• 改过 Megatron-LM / DeepSpeed / FSDP 源码（不是只跑过）；
• 了解 NCCL 原理 或有 RDMA / 网络协议栈经验；
• MLSys / OSDI / SOSP / ISCA 等系统顶会论文；
• PyTorch / Megatron 开源贡献记录。