岗位职责

要解决的问题：

基于 LLM 的高性能算子生成系统开发面向阿里核心模型的训推场景，设计并开发 LLM-Driven 的异构GPU 高性能Kernel 的自动生成优化系统，结合目标芯片架构特性（如计算单元、存储层次、指令集、通信机制等），生成高性能的算子，并驱动Agent持续优化代码的性能（手段包括但不限于调度优化、编译优化，内存管理、并行计算，遗传算法，组合优化等等）。
模型后训练与 Agent 能力增强构建面向高性能算子生成的数据闭环，设计并沉淀 SFT 数据集、偏好数据与 reward 机制；基于 SFT、RL 等后训练方法对模型进行微调，增强 Agent 对芯片约束、性能瓶颈和优化策略的理解，使其能够更稳定地生成高性能算子代码。
多智能体协同系统构建搭建多智能体协作框架，实现需求理解、代码生成、错误修复、版本对比等任务的自动化闭环；研究智能体分工、通信、反思与决策机制，提升系统在复杂场景下的鲁棒性、生成效率与优化质量。
技术落地与前沿探索与芯片、编译器和算子团队协作，结合具体硬件特性和业务场景推动技术落地；持续跟踪 LLM 代码生成、模型后训练、多智能体系统与 AI 编译优化等方向的前沿进展，并输出技术文档、专利或论文。

职位要求

我们期望你是：

计算机科学、电子工程、人工智能或相关领域博士研究生。
具备大语言模型及 Agent 系统开发经验，熟悉 Prompt Engineering、模型评测、RAG/向量检索及常见 Agent 框架；有代码生成相关项目经验者优先。
熟悉模型后训练方法，具备 SFT、RLHF/RLAIF、DPO/PPO/GRPO 等一种或多种方法的实践经验，能够围绕业务目标构建训练数据、奖励机制与评测体系。
熟悉 AI 芯片架构（如 GPU/NPU/TPU），掌握 CUDA、Triton、Cute、TilieLang 等至少一种算子编程技术，熟悉GPU常用优化方法。
具备多智能体系统开发经验，熟悉任务规划、工具调用、反思优化、分布式协作等机制；有 AutoGen、LangGraph、MetaGPT 等框架经验者优先。
扎实的编程能力，熟练使用 Python/C++，具备良好的系统设计与工程落地能力。
具备LLVM/MLIR/TVM等编译技术栈、高性能计算（HPC）、算子开发、自动代码优化或 AI 编译器相关经验者优先。
有训练数据构建、自动评测、模型迭代闭环建设经验者优先；有芯片软件栈、编译器或算子库实际落地经验者优先。