研究-硬件协同设计工程师
岗位摘要
基于我们的屋顶线模拟器跟踪不断变化的工作负载,并提供分析以量化系统架构决策的影响并支持技术路径探索;调试性能模拟与实际测量之间的差距;明确沟通根本原因、瓶颈和无效假设;编写低精度数值和有损压缩方案的仿真内核,并为研究团队提供在效率与模型质量之间进行权衡所需的信息
登录后保留你的岗位线索
邮箱登录后可继续查看完整职责、任职要求和原岗位入口,并使用收藏与浏览记录沉淀适合自己的机会。
岗位职责
- 基于我们的屋顶线模拟器跟踪不断变化的工作负载,并提供分析以量化系统架构决策的影响并支持技术路径探索
- 调试性能模拟与实际测量之间的差距;明确沟通根本原因、瓶颈和无效假设
- 编写低精度数值和有损压缩方案的仿真内核,并为研究团队提供在效率与模型质量之间进行权衡所需的信息
- 通过将RTL推送到合成中来原型化数值模块;干净地移交新颖的数值,或偶尔端到端拥有一个RTL模块
- 主动引入新的ML工作负载,通过屋顶线和/或功能仿真进行原型设计,并推动对新机会或风险的初步评估
- 理解从ML科学到硬件优化的整体情况,并将这一端到端目标分解为近期的可交付成果
- 在具有不同目标和专业领域的团队之间建立临时协作,并保持进展不受阻碍
- 明确沟通设计权衡,明确假设和置信水平;产生一系列证据,使执行变得自信
任职要求
- 高质量技术输出的卓越记录,以及在缺乏明确要求的情况下偏向于现在发布原型并稍后迭代的倾向
- 熟练掌握Python和C++或Rust,对正确性持谨慎态度,并对干净的可扩展性有直觉
- 有编写Triton、CUDA或类似代码的经验,并了解张量操作到功能单元的映射
- 熟悉PyTorch或JAX;在大型ML代码库中的经验是加分项
- 对浮点数值、降低精度的ML权衡以及模型量化的最新技术有实际理解
- 对Transformer模型有深入理解,并对Transformer屋顶线和大型ML系统中分片训练和推理的权衡有强烈直觉
- 有编写RTL(尤其是浮点逻辑)的经验,并理解PPA权衡是加分项
- 强大的跨职能沟通能力(例如在ML研究人员和硬件工程师之间);能够将模糊的早期孵化想法分解为可以取得进展的具体领域
加分项
- 对浮点数值、降低精度的ML权衡以及模型量化的最新技术有实际理解
福利待遇
- 提供搬迁援助
登录后查看完整岗位详情
使用邮箱验证码登录后,可查看完整职责、任职要求、原岗位入口,并继续使用收藏和浏览记录。列表摘要保持公开,完整详情用于保护数据质量和降低恶意抓取。