微信 -WeLM 大模型推理优化工程师（深圳、上海）

模型推理服务优化： * 负责大语言模型（LLM）推理性能的优化，包括延迟降低、吞吐量提升和资源效率优化 * 开发和应用模型压缩技术（包括但不限于量化、稀疏化等） * 优化推理框架，支持多种硬件平台（GPU、专用AI芯片） * 设计并实现高效、稳定、可扩展的推理服务架构

性能分析与调优： * 建立性能基准测试框架，持续监控和评估推理性能 * 分析性能瓶颈，提出并实施优化方案 * 针对不同应用场景（实时对话、批量处理等）定制优化策略

技术创新与落地： * 跟踪最新研究成果，将前沿优化技术应用到生产环境 * 与算法团队合作，参与模型架构的推理友好设计 * 编写高质量的技术文档和最佳实践指南

必备条件：；

计算机、软件工程、人工智能等相关专业本科及以上学历；

扎实的 C++/Python 基础；

熟悉 PyTorch 或 JAX 等深度学习框架，了解模型训练与推理流程；

有 CUDA 编程或 GPU 性能调优经验，能使用 Nsight 等工具做 profiling；

了解常见 LLM 架构（如 Transformer、Attention、KV Cache）及推理优化思路；

具备良好的沟通与文档能力，能独立负责模块设计与实现。 加分项

有SGlang、vLLM、TensorRT-LLM 等推理框架二次开发优化经验；

熟悉 AWQ/GPTQ/Speculative Decoding/Sparse Attention等推理优化方案，并有实际落地案例；

有大规模分布式推理、多机多卡部署与调度经验；

熟悉 Triton、cuBLAS、CUTLASS 等 GPU 编程与算子优化；

在 LLM 推理、编译器（如 TVM、XLA）、或高性能计算方向有论文或开源贡献。