高性能计算工程师

岗位职责：

1、负责视觉语言大模型（VLM）在消费级显卡（RTX 30x0/40x0）及服务器端的高性能推理服务开发，将Python算法原型转化为稳定的C++生产级服务；

2、主导模型压缩与加速工作，包括量化（INT8/FP16/W8A8）、剪枝、蒸馏，确保百亿级参数模型在≤24GB显存下高效运行；

3、基于TensorRT、vLLM、llama.cpp等框架进行深度定制，完成模型转换、推理引擎调优及精度对齐；

4、针对Transformer架构及多模态融合层（如CLIP、Q-Former）进行源码级性能分析，优化FlashAttention、PagedAttention及KV Cache机制；

5、设计高复用、低耦合的推理服务架构，支持多模型热加载与动态分辨率输入，保障系统的长期可维护性。

任职要求：

1、学历专业： 计算机、电子、自动化、人工智能等相关专业，硕士及以上学历（优秀本科可放宽）；

2、工作经验： 有模型推理优化或高性能C++开发经验，有至少1个VLM或大模型在消费级显卡上的完整落地项目；

3、硬性技能：

- 语言： 精通Python与C++（现代C++17/20），两者缺一不可；

- 框架： 熟练使用TensorRT、vLLM、llama.cpp，能独立完成ONNX导出及引擎调优；

- CUDA： 具备手写高性能Kernel能力，熟练使用Nsight等工具进行显存与延迟瓶颈分析；

- 架构： 具备中型项目架构设计经验，擅长模块解耦、接口抽象，代码严格遵循RAII与智能指针规范。

加分项：

有vLLM、TensorRT-LLM或llama.cpp等开源框架的核心代码贡献者身份。

熟悉ONNX Runtime或自定义CUDA算子开发。