大模型推理性能优化算法工程师

聚焦大模型推理场景，研究落地推理优化算法，攻克模型推理速度、显存占用核心瓶颈，提升大模型部署落地性能与整体吞吐效率。 岗位职责 - 参与大模型推理方向的性能优化方案调研、需求拆解与算法设计，负责基础优化算法的代码实现、实验调试与效果测试。 - 针对性分析大模型推理全流程性能瓶颈，聚焦显存占用过高、推理吞吐低、延迟高等核心问题，落地轻量化、高效率的优化方案。 - 与后端工程、部署落地团队深度协作，完成各类推理优化算法的工程化适配、上线验证与迭代优化，保障算法落地有效性。 - 持续跟踪大模型推理优化领域前沿技术、行业方案，结合业务落地场景，沉淀可复用、可落地的算法优化体系与方案。 - 围绕真实推理负载持续验证优化效果，把算法改进落到吞吐、延迟、显存占用和部署成本等可衡量指标上。

任职要求 - 2027届硕士及以上学历毕业生，计算机、人工智能、数学、统计等相关专业优先。 - 具备扎实的深度学习、大模型基础理论知识，熟练掌握PyTorch、TensorFlow等至少一种主流深度学习框架，具备独立的算法编码与实验实现能力。 - 熟悉量化、稀疏化、模型压缩、算子优化等至少一种大模型推理优化技术，对大模型部署、推理性能优化方向有浓厚兴趣与探索意愿。 - 拥有课程项目、科研项目、算法竞赛、技术实习等相关经历，能够清晰梳理并阐述个人项目贡献与技术落地思路。 - 数学思维扎实，具备良好的实验设计、数据分析和问题复盘能力，逻辑清晰，学习能力优异。 - 具备良好的团队协作与沟通能力，能够适配研发协作节奏，在复杂技术场景中主动推进问题解决与项目落地。 - 我们期待你对推理性能、显存占用和部署成本有持续敏感度，习惯用实验和数据验证判断，并能把算法优化推进到真实业务指标改善。 加分项 - 拥有大模型、深度学习优化、模型部署、推理加速相关实习经历或落地项目经验。 - 持有算法竞赛获奖、相关技术论文、专利、开源项目贡献等高质量技术成果。 - 长期关注大模型推理优化、模型压缩、高性能计算等技术方向，有自己的技术认知和落地思考。 - 具备较强的自驱力和问题拆解能力，能够独立攻克算法优化、工程适配中的复杂技术问题。 加入曦望，你将获得什么 - 难得的创造机会：参与 AI 推理 GPU 和算力基础设施从 0 到 1 到 N 的真实建设。 - 真问题、真战场、大空间：解决成本、稳定性、规模化落地中的关键问题，在核心岗位承担真实责任。 - 顶级人才共事：和行业优秀的工程、架构、产品与业务团队一起做复杂系统。 - 简单坦诚的文化：被信任、讲事实、少内耗，专业高效地把事做成。 - 长期回报与保障：有竞争力的薪酬激励、token 补贴、补充商保、员工及家人体检、晚餐与夜间出行支持等。