大模型训练性能优化工程师（训练算子）（深圳/北京/上海/杭州）

负责深度学习训练相关算子的设计、实现与优化（ CUDA/CUTLASS/Triton ）；

面向大模型训练场景，对算子进行端到端性能分析与调优，持续挖掘吞吐、延迟、显存利用率等指标的优化空间；

参与或主导 3D 并行（Data / Tensor / Pipeline Parallel 等）训练体系下的算子与通信方案设计与优化；

与分布式训练、系统、模型算法团队密切协作，共同提升大规模训练任务的整体效率与稳定性；

跟踪业界前沿的硬件架构与系统软件（GPU 架构、网络、编译器、库等），将最新技术转化为实际性能收益。

计算机、软件工程、数学、电子信息、自动化等相关专业，本科及以上学历；

扎实的编程基础，熟练使用 C/C++，对代码质量与工程实践有较高要求；

熟练掌握 GPU 编程，有实际 CUDA 开发经验；熟悉 CUTLASS、Triton 等任一或多种算子开发/优化框架；

熟悉并行计算原理，对 GPU 体系结构（SM、Warp、Memory Hierarchy、Occupancy 等）有较深入理解；

对 3D 并行训练（如数据并行、模型并行、流水并行、混合并行等）有实践经验，能够理解并分析其对算子与通信模式的影响；

具备良好的问题定位与性能分析能力，能熟练使用 Nsight、nvprof、perf 等性能分析工具进行瓶颈分析和优化。 加分项

有大规模分布式训练实践经验（上百张 GPU 或更大规模），了解常见分布式训练框架与通信库（如 NCCL、Horovod、DeepSpeed、Megatron-LM 等）；

对深度学习模型结构与训练算法有一定了解（如 Transformer、LLM 训练技巧、优化器、并行算法等），能与算法同学就结构与算子设计进行深入讨论；

有参加过编程竞赛（如 ICPC、NOI/IOI、Codeforces、AtCoder 等）并取得优异成绩的经历，具备优秀的算法与代码实现能力；

有高性能计算（HPC）、编译器优化、系统级性能调优相关经验或论文/开源项目贡献。