AI 编译器工程师（端到端编译栈方向）

1. 01

   参与端到端 AI 编译栈（TVM / IREE / torch.compile+Inductor / XLA）的建设与定制：从 PyTorch / ONNX 计算图导入，到图优化、算子融合、代码生成与部署；

2. 02

   参与 MLIR 侧 Dialect 与 Pass 开发：图级变换（算子融合、layout 与 dtype 传播、常量折叠）、Bufferization、lowering 到硬件 Dialect；

3. 03

   参与自动调度与调优：调度空间搜索（AutoTVM / MetaSchedule）、tiling 与循环变换策略、cost model 与启发式规则；

4. 04

   负责编译产物的正确性与性能验证：与 PyTorch eager / 手写 kernel 做精度与性能对标，建设 benchmark 回归；

5. 05

   参与动态 shape、量化编译（PTQ / QAT → 低比特 codegen）、稀疏与 MoE 等新特性的编译支持；

6. 06

   与 LLVM 后端、算子、驱动团队协作，定位编译链路上的性能断点，推动端到端收益。

基本要求

1. 01

   计算机 / 软件工程 / 人工智能等相关专业；

2. 02

   熟悉 C++ 与 Python，具备大型工程代码的阅读与调试能力；

3. 03

   了解编译原理基础（中间表示、Pass、数据流分析）与深度学习模型基本结构（Transformer 与常见算子）；

4. 04

   熟悉 PyTorch，能跑通模型并理解其计算图与算子调用链路。 加分项

5. 01

   用过或改过 TVM / IREE / XLA / torch.compile(Inductor) 中的任意一个；

6. 02

   了解 MLIR（Dialect / Pattern Rewriter / Linalg / Vector）或 LLVM Pass 开发；

7. 03

   有自动调优、cost model、调度搜索相关的项目或课程经历；

8. 04

   了解量化（PTQ / QAT）与低比特推理；

9. 05

   有编译器 / AI 系统方向的开源贡献或论文。 我们期待 能把一条编译链路从模型一路追到机器码、并用 benchmark 数字说话的候选人。 （请注意：每人限投递3个岗位）

招聘部门：第一事业部

招聘人数：若干

岗位类别：技术类

工作地点：北京市、西安市