工作内容：
1、参与分布式推理系统建设，提供行业领先的LLM/多模态模型解决方案；
2、针对大语言模型（LLM）等场景，开展端到端推理性能优化，重点降低推理延迟、提升吞吐量；
3、针对大语言模型（LLM）等场景，开展端到端推理精度分析，提升模型精度；
4、开发和维护大语言模型（LLM）量化工具等；
任职要求
1、计算机、电子工程、自动化、数学等相关专业优先；
2、精通Python/C++；
3、深入理解LLM或者视觉生成模型框架和原理；
4、深入理解量化、kvcache、多机多卡并行等加速技术；
5、至少实习6个月，每周出勤4天及以上。
加分项：
1、有GPU/加速卡调优实践经验；
2、有开源仓库的贡献经验；
3、参与过LLM或者视觉生成端到端推理优化项目，并实际落地；
4、有集群部署经验；
5、了解torch.compile/CUDAGraph/Triton；
6、了解vllm, sglang, megatron, verl等。
