岗位职责
参与推荐系统 GPU 推理引擎的研发工作，支撑生成式推荐、排序、召回等业务场景的在线推理服务落地。 参与 CUDA 算子开发与优化，包括算子融合、量化（INT8/FP8）、Tensor Core 使用、显存与访存优化等方向，持续提升单卡吞吐与推理延迟表现。 参与推理图优化工作，基于 TensorRT / ONNX Runtime / TVM / Triton 等主流框架完成模型的图变换、算子替换、kernel 调优，协助推动模型高效上线。 针对推荐模型的特点（稀疏 Embedding、变长序列、多塔结构等），协助完成定制化推理方案的开发与调优，解决 Host-Device 传输、KV Cache 管理等性能瓶颈。 参与性能 profiling 与调优工作，熟练使用 Nsight、CUPTI 等工具完成性能分析，配合算法团队完成模型结构的性能评估。 关注 GPU 推理、LLM Serving、推荐系统 Infra 的业界前沿进展（vLLM、SGLang、FlashAttention 等），积极学习并参与新技术在团队内的落地。
职位要求
计算机及相关专业本科及以上学历，1 年以上 GPU / 高性能计算 / 深度学习推理相关研发经验。 熟悉 CUDA 编程基础，了解 GPU 体系架构（SM、Warp、Memory Hierarchy、Tensor Core），具备编写和优化 CUDA kernel 的实践经验。 熟悉至少一种主流深度学习推理框架（TensorRT / ONNX Runtime / TVM / Triton Inference Server），了解图优化、算子融合、量化等基本原理。 了解主流推荐模型（DLRM、DIN、生成式推荐等）或 Transformer 类模型的结构与推理特点，对模型性能瓶颈有一定认识。 熟练使用 c++/python/java等至少一种语言，熟悉 Linux 开发环境，代码规范、工程意识良好。 有一定的问题定位与性能分析能力，能使用 Nsight Systems / Nsight Compute / perf 等工具完成基本的性能调优。 学习能力强，具备良好的团队协作与沟通意识，能够与算法、业务、运维团队协作推进项目。 加分项 有推荐 / 搜索 / 广告系统 GPU 推理相关实习或项目经验者优先。 有 LLM 推理加速相关经验（PagedAttention、Continuous Batching、量化推理等）者优先。 有开源社区贡献经验（TensorRT-LLM、vLLM、FlashAttention、Triton、TVM 等）或在 MLSys 相关领域有论文 / 竞赛 / 技术博客产出者优先。 有良好的英文技术文档阅读能力，有海外学习或工作经验者优先。
