算子开发岗

算子开发与极致优化：负责大模型训练、推理场景下各类基础算子、自定义算子、稀疏算子、通信算子的设计、开发、适配与极致优化，保障算子精度、吞吐、时延、显存占用、硬件利用率等核心指标最优；

大模型端到端调优：针对主流大语言模型、多模态大模型，完成预训练、微调、推理全链路性能分析、瓶颈定位与优化落地，涵盖序列并行、张量并行、流水线并行等分布式场景，持续提升模型整体算力效率；

架构协同与技术探索：联动软硬件架构师，参与AI计算架构、大模型算力调度流程、算子适配方案的前瞻性调研与设计迭代，适配新一代AI硬件与大模型新型架构；

性能问题攻坚：主导跨团队大模型训练/推理性能瓶颈、兼容性、稳定性问题的排查与解决，沉淀标准化大模型算子优化方案、工具链与技术文档，推动团队算力加速体系迭代

硕士及以上学历，计算机、电子信息、微电子、软件工程等相关专业，扎实的计算机体系结构理论基础，熟悉CPU/GPU硬件架构、存储层级、并行计算、访存特性；

具备良好的算法与代码功底，熟悉C/C++编程，精通CUDA高性能并行编程，了解OpenCL、ROCm等异构计算架构者优先；

熟悉大模型算子开发优化：具备深度学习尤其是大模型场景算子开发、精度调优、性能优化实战经验，熟练掌握算子融合、量化、分块重排、访存优化、指令级优化、KV Cache优化、FlashAttention优化等核心技术；

熟悉大模型全链路调优逻辑：深入理解大模型训练/推理完整链路，可独立完成模型编译、显存优化、通信优化、调度优化、推理解码优化等端到端性能调优工作；

掌握主流大模型架构与算法：精通深度学习基础原理，熟悉 LLaMA、Qwen、Mistral、GPT 系列主流大语言模型，以及 CLIP、ViT 等多模态大模型 的网络结构、计算特性、解码机制与并行训练逻辑；

熟练使用性能工具链：精通Nsight Compute、Nsight Systems等GPU性能分析工具；熟练掌握perf、火焰图、gperf、VTune等系统级性能排查工具，可精准定位计算、访存、通信、IO瓶颈；

熟悉深度学习框架：熟练掌握PyTorch、PaddlePaddle任一主流框架底层机制，有框架底层算子定制、大模型专项适配、框架二次开发经验者优先