岗位职责
下一代AI应用场景复杂多样，对推理加速提出迫切需求。我们将系统性探索从服务化优化提升资源效能，到前沿压缩算法设计，再到高性能算子优化等关键层面，致力于构建一套灵活、高效的推理加速体系，为下一代AI技术的广泛落地与创新突破注入强劲动力。在这里，你将拥有充分的探索空间和资源支持，和我们一起挑战具有业界影响力的高价值课题。 核心职责与挑战 我们希望你对技术充满好奇，并具备出色的动手能力。在导师的指导下，你将参与到以下一项或多项富有挑战的工作中：
- 下一代生成模型推理技术探索: a. LLM/MLLM: 探索针对AR的生成特点，探索超高倍投机采样、模型压缩、efficient attention、蒸馏等技术。 b. Diffusion: 探索sparse attention、cache、采样步数消减等技术。 c. 软硬结合的优化技术：探索极低比特量化、稀疏计算等硬件依赖的前沿加速技术。
- 极致性能的推理引擎工程实践: a. 深入分析与优化现有推理框架（如vLLM, TensorRT-LLM等）的性能瓶颈，进行从算子到系统层面的全栈优化。 b. 精通CUDA/CUTLASS/Triton等底层编程技术，针对新型Transformer架构变种，手写高性能算子，压榨硬件的每一分潜力。 c. 设计和实现高效的KV Cache管理与压缩方案，优化请求调度与批处理策略，最大化系统吞吐并降低延迟。
职位要求
- 技术能力： a. 具备良好的C++/Python编程基础和代码实践能力。 b. 熟悉PyTorch。 c. 对底层技术有浓厚兴趣，渴望深入了解GPU架构与高性能计算。
- 综合素质： a. 具备强烈的求知欲、好奇心和主动性，能快速学习新知识、新工具。 b. 良好的逻辑思维能力和解决问题的热情。 c. 积极的沟通态度和团队协作精神。 d. 实习时长满足4个月及以上 加分项
- 有相关领域（机器学习、高性能计算、体系结构等）的论文发表。
- 熟悉GPU编程（CUDA），并有相关的项目或实践经验。
- 有开源社区贡献经验（例如vLLM, PyTorch, Triton等）。
