1、参与构建面向大语言模型（LLM）及多模态系统的数学模型与仿真框架，以及超参规模下的分布式训练策略、集群/端侧推理优化开发； 2、参与仿真系统开发与关键指标验证：开发大模型仿真平台，验证训练稳定性，优化集群资源利用率； 3、参与定位大模型训练瓶颈，优化训练任务优先级动态调整；构建端到端性能预测模型，输出算力资源配置决策树，提升训练效率和推理性能。 1、计算机、人工智能、数学、控制科学与工程等相关专业； 2、熟悉大模型分布式训练策略与推理加速技术，具备算力系统优化与异构计算架构性能调优经验者优先； 3、熟悉AI调度框架建模仿真技术，能实现高吞吐、低时延的资源调度及高可用性分析； 4、具备较强编程能力，精通主流编程语言（C++/Java/Python），熟悉分布式训练框架底层逻辑，掌握并行计算与通信优化基础技术，具备系统级性能调优能力。