岗位职责
- 参与大模型推理引擎（基于SGLang 框架）的设计与核心模块开发，支持 Transformer、MoE、DiffusionLLM 等多种架构及 LLM/VLM 等模型的高性能推理。
- 运用低比特量化、投机采样、稀疏计算、分布式推理等技术，加速大模型推理速度并降低部署成本， 并优化其稳定性、易用性。
- 针对 GPU/AI 芯片架构（含自研硬件），开展针对性性能调优，优化算子、内存管理、KV Cache 管理等核心模块。
- 与算法、产品及业务团队协作，推动不同模型场景下的系统端到端性能优化。
- 关注并引入前沿大模型推理技术，参与 SGLang 及相关开源生态的维护与贡献。
职位要求
- 学历背景：计算机科学、人工智能、电子工程、数学等相关专业硕士，博士优先。
- 编程能力：精通 C++/CUDA，熟练掌握 Python，具备扎实的数据结构与算法基础，能够编写高性能、高质量的工程代码。
- 深度学习框架：熟悉 PyTorch 等主流深度学习框架，了解其底层实现机制及计算图优化原理。
- 专业技能：推理引擎经验：熟悉至少一种主流大模型推理框架（如 SGLang、vLLM、TensorRT-LLM、LMDeploy 等），了解其核心架构与优化原理者优先。
- 模型架构理解：深入理解 Transformer 架构，熟悉 MoE、Diffusion、LLM/VLM 等模型的原理与推理特性。
- 推理优化技术：掌握以下至少一项核心优化技术： - 低比特量化（INT8/INT4/FP8 等）； - 投机采样（Speculative Decoding）； - 稀疏计算 / 稀疏注意力； - 分布式推理（TP/PP/EP/DP 等并行策略）； - KV Cache 管理与优化； - 硬件性能调优：熟悉 GPU（NVIDIA/AMD）或 AI 芯片架构，具备算子开发、内存管理、Kernel 优化等性能调优经验；有自研硬件适配经验者优先。
- 综合素质 - 工程能力：具备良好的系统设计能力和工程实践经验，能够独立完成核心模块的设计与开发； - 协作沟通：具备良好的团队协作精神和跨团队沟通能力，能够与算法、产品及业务团队高效配合； - 学习能力：对大模型推理技术有强烈的兴趣和热情，关注前沿技术动态，具备快速学习与落地能力。 【加分项】
- 有 SGLang、vLLM 等知名开源项目的贡献经验（PR、Issue、Commit 等）。
- 在顶级会议/期刊（如 NeurIPS、ICML、ICLR、MLSys、OSDI 等）发表过相关论文。
- 有大规模模型生产环境部署与性能优化的实战经验。
- 熟悉 CUDA 高级特性（如 Tensor Core、CUTLASS、Triton 等）。
- 参与过推理相关算子库（如 FlashAttention、FlashInfer 等）的开发或优化。
- 有 MoE 大规模分布式推理或多模态模型（VLM）推理优化经验。
