The posting
为什么加入我们 1. 参与 MiniMax 大模型训练与推理基础设施建设,让 CPU、GPU、NPU 等异构算力得到更高效、更稳定的利用。 2. 面向真实的大规模 AI 集群,深入解决资源调度、硬件故障、跨系统协同和自动化运维等系统级问题。 3. 在导师和资深工程师指导下,参与核心后端系统从设计、研发到上线运行的完整流程,快速积累分布式系统与基础设施工程经验。 我们在做什么 算力平台是 MiniMax 模型训练和推理的基础底座。我们围绕异构资源管理、集群调度、硬件健康和故障自动化,建设高效、可靠、易用的 AI 基础设施。 这不是普通的后台业务开发,而是面向大规模 AI 集群的资源与可靠性工程。你将参与统一资源模型、资源池化、拓扑感知、故障发现、维修协作、自动验收和资源恢复等系统建设,让每一份算力都能被更充分地利用。 你将做什么 1. 参与 CPU、GPU、NPU 等异构资源的统一建模、资源池化和拓扑感知能力建设,提升资源分配与使用效率。 2. 设计并实现硬件健康管理能力,支持异常检测、资源隔离、故障处置和自动恢复。 3. 参与故障管理平台研发,建设工单流转、任务分配、操作审计、消息通知及外部系统集成能力。 4. 设计跨系统交互和异步任务机制,处理重复请求、接口超时、回调乱序、部分成功和异常补偿等问题。 5. 参与服务发布、数据库变更、自动化测试、端到端验收、监控告警和故障复盘,持续提升系统可靠性与交付质量。
我们期待你 基础要求 1. 2027届本科及以上应届毕业生,计算机、软件工程、电子信息等相关专业优先。 2. 掌握数据结构与算法、操作系统、计算机网络、计算机体系结构和数据库等基础知识。 3. 熟悉 Go,或熟练使用 C++、Java 等语言,并愿意深入学习 Go 进行后端开发。 4. 了解 MySQL、Redis 及事务、并发控制、幂等、状态机、数据迁移等基本概念。 5. 有课程设计、科研、实习、个人项目或开源项目经验,能够清晰说明自己的设计思路、技术取舍和实现结果。 6. 具备良好的问题分析与沟通能力,愿意阅读和改进已有系统,推动问题闭环。 加分项 1. 有 Kubernetes、Prometheus、Grafana、消息队列或自动化发布体系实践经验。 2. 有 GPU 集群、数据中心、云计算或 AI 基础设施相关项目经验。 3. 有工单、资源、资产、订单履约等复杂状态系统的设计或开发经验。 4. 深度参与过开源项目,或完成过 CS61C、MIT 6.004、CMU 15-213、CS149、MIT 6.824 等相关课程。 5. 对操作系统、分布式系统、底层基础设施有浓厚兴趣,喜欢通过 HomeLab 或个人项目持续实践。



