岗位职责
- 负责大语言模型及多模态模型的推理性能优化，包括但不限于首字延迟（TTFT）、吞吐量（Throughput）和显存占用的优化，确保模型在线上生产环境的高效稳定运行。
- 深入研究和落地主流推理加速框架（如 vLLM, TensorRT-LLM, TGI, SGLang, LightLLM 等），针对特定业务场景进行定制化开发与适配。
- 负责高性能算子开发与优化，熟练使用 CUDA、Triton、FlashAttention 等技术，针对 Transformer 结构进行底层计算加速。
- 探索并实现先进的推理优化算法，如 KV Cache 优化（PagedAttention, RadixAttention）、量化（INT8/INT4/FP8）、模型剪枝、投机采样（Speculative Decoding）、连续批处理（Continuous Batching）等
- 参与推理服务系统的架构设计与开发，优化分布式推理策略（如张量并行 TP、流水线并行 PP），提升大规模集群下的推理扩展性。
- 与算法团队紧密配合，打通从模型训练到推理部署的全链路，推动模型压缩与端侧/边缘侧部署的落地。
职位要求
- 计算机科学、电子工程、数学或相关专业本科及以上学历，3年以上高性能计算或AI系统开发经验。
- 精通 C++ / Python 编程，具备优秀的代码实现能力和工程素养，熟悉 Linux 开发环境。
- 深刻理解 Transformer 模型架构及 LLM 推理原理，对自回归解码过程中的计算瓶颈有清晰的认知。
- 熟练掌握至少一种主流深度学习框架（PyTorch, TensorFlow）的底层机制，有 PyTorch 算子开发或模型导出（ONNX/TorchScript）经验者优先。
- 具备扎实的 GPU 编程基础，熟悉 CUDA 编程模型
