大模型算法实习生（精度对齐方向）

岗位职责：

- 负责 FlagOS 智能评测体系中的国产芯片适配与评测工作：构建面向国产 AI 芯片（如昇腾、寒武纪、海光 DCU 等）的基准测试集，制定标准化评测流程，确保主流大模型在国产硬件上的推理精度、性能和稳定性达到预期指标，并输出适配报告与优化建议。

- 主导跨 GPU 平台的推理精度归因：开发专用排查工具，在模型权重、数据集、评测脚本、推理参数四维完全锁定的前提下，精准定位因 GPU 型号（如 A100 vs H100 vs 国产芯片）引起的精度偏差；溯源至具体 GPU 硬件算子、CUDA Kernel 调度策略或 vLLM 推理过程中的某一步（如 PagedAttention、量化逻辑），并给出修复或适配方案。

任职要求：

- 精通 LLM 推理部署，深入掌握 vLLM 底层 C++ 源码（含调度、KV Cache 管理、自定义算子）及 Transformers 框架，Python/C++ 编码能力扎实。

- 具备敏锐的数据分析能力，能通过细粒度日志（Timeline、Tracing）透视推理流程，从海量数据中抽丝剥茧定位根因。

- 具有积极的团队协作精神和刻苦钻研的韧劲，乐于攻克工程与科学交叉的硬骨头。

优先项：

- 有大规模评测/推理部署实践经验；

- 具备跨 GPU 硬件平台模型精度对齐经验，或参与过国产 AI 芯片（昇腾、寒武纪、海光等）的适配与评测工作；

- 熟悉 FlagOS 评测体系或类似开源评测框架；

- 在 ACL、AAAI、ICML、EMNLP 等顶会发表论文。

我们高度鼓励将工作成果转化为高水平学术论文和发明专利，团队将提供充分的算力和写作支持。