工作职责: 1. 分布式模型训练：深度参与B站搜推模型分布式训练框架的设计与演进，优化数据并行与模型并行策略，提升训练吞吐与稳定性，支撑千亿级稀疏参数的高效训练； 2. 高并发在线推理：设计并优化支撑毫秒级延迟、高QPS的模型Serving架构，涉及计算图优化（XLA/图融合）、算子融合、模型量化及异步流水线调度，满足搜推实时打分需求； 3. 超大Embedding存储与检索：突破千亿规模Embedding表的存储、分片（Sharding）、增量更新及高频检索的技术瓶颈，优化GPU显存管理与Host-Device数据搬运效率； 4. GPU异构计算与Scaling：优化GPU多卡/多机训练与推理的横向扩展性，结合CUDA Kernel优化、TensorRT部署及编译优化技术，支撑超长用户行为序列（10K+）建模与模型参数持续Scaling Up； 5. 下一代智能分发系统：参与构建面向大模型时代的智能内容分发架构，探索LLM与搜推系统的融合，用技术创造快乐，一起构建支撑亿万年轻人内容消费的智能引擎。 工作要求: 1. 2027届应届毕业生，计算机相关专业本科及以上学历，具备扎实的C++/Python编程功底，熟悉Linux开发环境； 2. 有GPU异构计算实践经验，熟悉CUDA编程、TensorRT部署或编译优化技术（TVM/XLA/算子融合）在模型推理加速中的应用； 3. 有搜推模型训练或推理经验优先，了解PyTorch/TensorFlow等框架的底层机制，熟悉稀疏Embedding的分布式多级存储设计、超长行为序列建模、GPU多机多卡扩展与Scaling优化； 4. 熟练使用AI agent能力者优先。