任职要求：
●设计并构建高效的分布式推理架构，提升多节点、多GPU环境下的推理效率与资源使用率。研发智能化的请求调度策略，保障高并发场景下系统的最优响应速度与吞吐能力。深度优化推理引擎的运行时环境，降低延迟，增强整体性能表现。针对多种异构AI加速硬件（如NVIDIAGPU,AMDGPU,NPU等），对关键算子进行精细化性能调优，充分释放计算能力和内存带宽潜力。

●研究并落地极低bit量化与模型稀疏化技术，降低模型存储开销与计算成本，同时维持推理精度稳定。探索更高效的解码机制，加快生成类任务的推理执行速度。

●构建可支撑大规模并发访问的系统架构，确保在极端负载条件下的稳定性与高性能。集成容错设计、自动恢复机制及监控告警体系，保障服务的高可用性与持续运行能力。打造具备弹性扩展能力的架构方案，适应未来业务规模扩张与技术迭代需求。

●持续跟踪前沿技术动态，重点关注超长上下文处理、COT思维链、多模态融合等方向。主动探索新型推理优化路径，提出并验证具有创新性的技术解决方案。

任职要求：
●具备扎实的工程实现能力，良好的编码规范，熟练掌握Python/C++语言及常见设计模式，拥有复杂系统的设计、开发与调试经验。
●理解深度学习基本理论，熟悉主流模型结构与算法流程，能熟练运用PyTorch、TensorFlow等主流框架。
●具备良好的沟通协作能力与团队合作经历，学习能力强，对深入研究技术难题有耐心和热情。
●掌握计算机体系结构相关基础知识，具备高性能Kernel开发（CUDA/Triton/ROCM等）、推理引擎优化（vLLM/SGLang等）、模型算法优化（量化/稀疏等）、AI资源调度优化等方面的实践经验。

加分项：
●拥有优秀的学术成果与创新能力，在相关领域发表过高水平论文或获得专利。
●具备基于cutlass/cute进行高性能Kernel开发与极致性能优化，并成功应用于实际生产环境的经验。
●在大型语言模型（LLM）等重点应用场景中，有深入且落地的系统级优化或前沿算法实践经验。
●曾作为核心开发者参与大规模AI系统的构建，或贡献于业界主流开源项目，具备丰富的实战积累与成功落地案例。