大模型算法工程Co-Design
岗位摘要
寻找深度理解大模型算法，同时具备顶尖系统工程设计能力的专家。你将作为算法研究与工程落地的核心桥梁，主导优化大模型训练/推理效率、性能与成本，确保前沿算法在大规模系统中高效实现；深入理解大模型算法（架构、训练/推理技术），评估其工程可行性、性能瓶颈与成本
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
- 寻找深度理解大模型算法，同时具备顶尖系统工程设计能力的专家。你将作为算法研究与工程落地的核心桥梁，主导优化大模型训练/推理效率、性能与成本，确保前沿算法在大规模系统中高效实现
- 深入理解大模型算法（架构、训练/推理技术），评估其工程可行性、性能瓶颈与成本
- 主导设计下一代训练/推理框架或核心组件，确保原生支持高效算法实现（如高效Attention、通信优化）
- 系统性解决训练/推理工作负载的性能瓶颈（计算、通信、存储）
- 设计并实现高性能核心（如定制Kernel）、优化通信与数据流水线
- 设计构建大规模分布式训练系统（DeepSpeed/Megatron-LM/FSDP）
- 设计构建高并发、低延迟的大模型推理服务平台
- 跟踪领域前沿，探索验证新技术（新硬件、非Transformer架构等）
- 高效沟通，跨团队（算法、工程、平台）协作推动方案落地
任职要求
- 学历/经验： 计算机/人工智能等相关领域本科及以上，或具备同等杰出实践经验
- 大模型基础： 深刻理解Transformer架构及大模型训练/推理等相关核心技术
- 精通 PyTorch 及其分布式训练（DDP/FSDP），有大规模分布式系统设计开发调优经验
- 扎实的计算机体系结构/操作系统/网络基础
- 丰富的“性能调优”经验（Nsight Systems, Profiler等）
- 参与 DeepSpeed/Megatron-LM/vLLM/SGLang 等核心框架开发
- GPU Kernel优化 (CUDA/Triton) 经验
- 熟悉云平台大规模AI负载管理
加分项
- 参与 DeepSpeed/Megatron-LM/vLLM/SGLang 等核心框架开发
- GPU Kernel优化 (CUDA/Triton) 经验
- 熟悉云平台大规模AI负载管理
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。