工作职责： 职位描述 负责LLM/VLM大模型的部署与推理性能优化，系统性降低硬件延迟瓶颈，保障高并发下线上服务稳定性（TTFT与TPOT满足SLA要求）。 探索前沿推理加速技术，推动在新型GPU/NPU等硬件上的落地。 任职资格： 1. 2027届毕业应届生 2. 至少具备以下2个领域中的实践经验： a. Transformers与Diffusers库，深入理解Attention变体（GQA、MLA、Linear Attn、Sparse Attn）及其优化技术（FlashAttention、PagedAttention）； b. GPU编程（CUDA/cutlass/Triton/TileLang开发）且掌握性能分析工具（Nsight、PyTorch Profiler等）； c. 模型压缩（量化、稀疏化、知识蒸馏）； d. GPU集群通信架构（卡间通信NVLink/PCIe，机间通信RDMA/RoCE），理解NCCL、HCCL等通信库的工作机制； 3. 符合以下条件者优先： a. 有超大规模模型（1T参数以上）的分布式部署经验； b. 有推理系统经验，如为vLLM、SGLang、TensorRT-LLM贡献过核心PR； c. 有投机采样（Speculative Decoding）的落地与优化经验（如EAGLE、DFlash等）； d. 有相关开源项目、专利或论文发表； e. 有国产芯片（如昇腾、海光等）的在线服务加速经验。 4. 良好的团队协作能力与工程落地能力，对技术有持续热情。