27届正式批-模型部署工程师

负责LLM、三维重建、4DGS模型的训练的基础设施建设，优化多卡多机分布式训练效率与显存利用

主导实时性优化：针对高实时4DGS渲染与重建管线，进行算子优化、CUDA加速、显存与延迟调优，达成实时帧率指标

负责模型轻量化（剪枝、蒸馏、量化）与端侧/边缘部署（Jetson、RKNN、Ascend等），解决部署兼容性、实时性与稳定性问题

参与LLM推理优化与serving架构建设，包括KV Cache优化、推理并行策略（Tensor Parallel/Pipeline Parallel）、动态batching、量化部署等，提升大模型服务吞吐与响应延迟

对完整算法Pipeline做全链路性能profiling与调优，沉淀可复用的训练框架、推理引擎与工程规范

计算机科学、软件工程、电子信息等相关专业，硕士及以上学历

精通C++与Python，扎实的数据结构与算法功底，熟练Linux开发环境

熟悉PyTorch训练/推理全流程，了解分布式训练（DDP/FSDP/DeepSpeed）与混合精度

熟悉CUDA并行编程，有推理加速（TensorRT/ONNX Runtime/Triton等）或模型量化部署经验；理解GPU硬件架构