本课题的研究目标是研发大规模、高效易用的大模型训练框架，针对不同模型架构，探索多机多卡分布式训练的性能极限。 包括不限于： 1、高度稀疏化、长文本的模型训练策略优化； 2、大规模MoE模型的大规模RL训练性能优化； 3、基于模型的训练和推理瓶颈，工程算法Codesign探索下一代大模型网络结构设计。 1、不限年级，本科及以上在读，计算机/人工智能/软件工程等相关专业优先； 2、熟悉Linux/Unix平台上的C++编程，熟悉网络编程-多线程编程，有良好的编程习惯； 3、熟悉其中一种主流的深度学习训练或推理框架（TensorFlow / PyTorch / Onnx / TensorRT等）的原理和实现者优先； 4、有扎实的专业基础知识，熟悉常用的数据结构和算法，对计算机系统结构-网络-操作系统等专业知识有深刻认知； 5、良好的沟通协作能力，责任心强，积极主动，能和团队一起探索新技术，推进技术进步。
