深度学习推理系统研发专家-机器学习平台

● 设计并构建高效的分布式推理架构，提升多节点、多GPU环境下的推理性能与资源利用效率。研发智能请求调度策略，保障高并发场景下的低延迟响应与高吞吐能力。深度优化推理引擎的运行时环境，降低系统开销，全面提升执行效率。针对多种异构AI加速硬件（如NVIDIA GPU、AMD GPU、NPU等），对关键算子进行精细化调优，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，在压缩模型体积和降低计算消耗的同时，维持推理精度稳定。探索更高效的生成式解码机制，显著加快生成类任务的推理速度。 ● 构建可支持海量并发请求的系统架构，确保在极端负载条件下仍具备良好稳定性与性能表现。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。打造具备弹性扩展能力的架构体系，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方案。 职位要求 ● 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原理，能熟练使用PyTorch、TensorFlow等主流框架。 ● 具备良好的沟通协作能力与团队合作意识，学习能力强，能够持续深入研究关键技术问题。 ● 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）或AI资源调度优化的实际项目经验。 加分项： ● 拥有优秀的学术成果与科研创新能力，曾在相关领域发表高水平论文或取得专利。 ● 具备基于cutlass/cute进行高性能Kernel开发与极致性能调优，并成功应用于生产环境的经验。 ● 在大型语言模型（LLM）等重点应用场景中，具备系统的性能优化或前沿算法落地的实践经验。 ● 曾作为核心开发者参与大规模AI系统的研发，或贡献于业界主流开源项目，拥有丰富的工程落地案例与实战积累。