1、负责AI系统建模与仿真策略制定：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，研究超参规模下的分布式训练策略、集群/端侧推理优化方案；制定性能验证方案，覆盖训练吞吐、推理时延、能效比等核心指标； 2、负责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；建立量化验证体系，确保仿真结果可靠性； 3、负责系统优化与方案决策：定位大模型训练瓶颈，设计弹性资源调度算法，实现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； 4、模拟真实AI工作负载下的数据流、控制流，分析算力互联控制机制、拓扑结构对AI负载性能的影响，提出改进方案并通过仿真验证其有效性；支持算力互联架构设计、资源调度策略等系统级优化。 1、计算机、人工智能、数学、控制科学与工程等相关专业； 2、精通AI训练推理核心性能优化算法，精通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、精通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。