小米 – AI训练平台高级研发工程师 职位分析和面试指导

职位描述：

1. 主导AI训练平台任务调度系统与队列管理架构设计，优化大规模分布式训练任务的资源调度策略与执行效率
2. 开发高并发任务调度算法，解决资源抢占、优先级调度、故障恢复等核心问题，保障万卡级集群资源利用率
3. 构建智能队列管理系统，支持弹性配额、动态优先级调整、故障任务自动迁移等高级功能，满足LLM/VLM等大模型训练需求
4. 负责调度系统可观测性建设与性能优化，培养调度领域技术团队

职位要求：

职位要求：
1. 精通Go/Python开发，具有大型分布式系统调度模块的架构设计经验，熟悉任务队列的底层实现原理
2. 深入理解Kubernetes调度机制，有Volcano/Kueue等批量调度框架二次开发经验者优先
3. 熟悉主流调度算法（DRF/Gang Scheduling/Fair Sharing等），有大规模AI训练任务调度优化实战经验
4. 具备高性能计算（HPC）或AI训练平台调度系统开发经验，熟悉MPI/AllReduce等分布式训练通信模式
加分项：
– 主导过单集群万卡级资源调度系统开发
– 实现过LLM训练任务的动态弹性调度方案
– 参与过Training-operator/Kubeflow等开源项目调度模块贡献
– 发表过任务调度/资源管理相关领域论文或专利

招聘部门：

小米

工作地点：

武汉市 ID：A253942

面试建议：

这个职位是小米AI训练平台的高级研发工程师，核心挑战在于解决万卡级集群的资源调度问题。面试官最关注的是你在分布式系统调度方面的实战经验，特别是针对AI训练场景的特殊需求。他们需要的是能设计出高效调度算法，同时能解决资源抢占、优先级调度等复杂问题的专家级人才。 准备面试时，你需要重点展示在Kubernetes调度优化方面的经验，特别是与AI训练相关的案例。准备好详细讲解你参与过的调度系统架构设计，最好能提供性能优化的具体数据。对于算法部分，要能清晰解释不同调度策略的适用场景和取舍。如果是来自开源社区的贡献者，记得突出你在相关项目中的具体工作。技术深度和系统思维是这个岗位的关键考核点，面试中要展现出你解决复杂问题的系统化方法。