理聘网-职位详情页，大模型算法工程师

岗位职责： 1.大模型系统架构开发： （1）设计并实现高性能、可扩展的大模型训练与推理系统，优化分布式计算、显存管理、通信效率等关键模块。 （2）开发或改进大模型框架（如Verl、vLLM、Megatron等），支持十亿级/百亿级/千亿级参数的稳定训练与高效推理。 2.性能优化与调优： （1）解决大模型在训练/推理中的瓶颈问题（如计算、存储、通信），通过算子融合、流水线并行、量化压缩等技术提升效率。 （2）针对硬件（GPU/昇腾）特性进行底层优化，实现低延迟、高吞吐的推理服务。 3.基础设施构建： （1）搭建大模型开发与部署的全栈工具链，包括数据预处理、分布式训练集群管理、模型服务化（如vLLM、SGLang）等。 （2）设计容错、弹性伸缩的推理平台，支持多租户、高并发场景需求。 4.前沿技术探索： （1）跟踪LLM领域最新进展（如MoE、RLHF、多模态），将研究成果工程化落地。 （2）探索大模型与边缘计算、知识图谱、具身智能等技术的结合。 岗位要求： 1.计算机科学、人工智能或相关领域的硕士/博士学历，2年以上系统研发经验； 2.精通以下至少一个方向： （1）分布式系统：熟悉NCCL、RDMA、MPI等通信协议，有大规模分布式训练调优经验。 （2）GPU/NPU编程：精通CUDA、OpenAI Triton或Ascend C，能进行内核级性能优化。 （3）机器学习框架：深入理解Verl/vLLM/Megatron底层机制，参与过框架开发或贡献者优先。 3.扎实的算法基础，熟悉Transformer架构及大模型关键技术（如KV Cache、Flash Attention）。 4.优秀的编程能力（Python/C++），熟悉Linux开发环境与容器化技术（Docker/K8s）。 5.熟悉LLM生态工具链（如Hugging Face、LangChain、LoRA）。 加分项 1.发表过MLSys、NeurIPS、OSDI等顶会论文，或开源项目核心贡献者。 2.有百亿以上参数的大模型训练/推理落地经验。 3.熟悉LLM生态工具链（如Hugging Face、LangChain、LoRA）。