返回信息流可站内联系
1. 推理框架优化： 参与 vLLM、SGLang 等主流推理框架的二次开发与性能调优，学习并实践高效的调度策略。
2. 算子开发与调优： 在导师指导下，负责 DeepSeek、Qwen 等前沿大模型核心算子（如 Attention、MLP 等）的 CUDA 实现与性能优化。
3. 全栈性能攻坚： 参与公司自研大模型的全栈优化项目，从算子融合、显存管理到系统级调优，积累完整的性能优化方法论。
4. 新硬件适配： 接触并学习 NVIDIA Hopper/Blackwell 等最新 GPU 架构特性，参与针对新硬件特性的底层适配与加速。
5. 软硬协同探索： 与算法团队协作，了解大语言模型结构，从芯片架构特性出发，探索模型与硬件的协同设计（Co-design）。
【职位要求】
必要条件（基础素质）
1. 学历专业： 计算机、电子工程、数学、物理或相关专业，202X 届本科及以上学历（硕士/博士优先）。
2. 编程基础： 扎实的编程功底，精通 C++ 或 Python 中至少一门语言，熟悉 Linux 开发环境，具备良好的代码规范和文档习惯。
3. 理论基础： 深入理解计算机体系结构、操作系统、并行计算原理；熟悉深度学习基础原理，了解 Transformer 等基本模型架构。
4. GPU 开发经验： 熟悉 CUDA 编程模型，有 GPU 并行开发课程项目、实验室课题或相关实习经验者优先。
5. 学习能力： 对高性能计算和大模型技术充满热情，具备极强的自驱力和快速学习能力，善于分析和解决复杂技术问题。
加分项（如果您具备以下任意一项，将极大增加录用机会）
1. 框架经验： 有 vLLM、TensorRT-LLM、SGLang 等推理框架的使用或源码阅读经验。
2. 算子优化： 有 FlashAttention、PagedAttention 等前沿技术的复现、实现或优化经历。
3. 底层技能： 了解 CUTLASS/CuTe 库，或有 PTX 汇编、混合精度计算（FP8/INT8）相关项目经验。
4. 学术成果： 在 MLSys、OSDI、ASPLOS、SC 等顶级会议或期刊上发表过相关论文。
5. 竞赛/开源： 在 ACM/ICPC 等编程竞赛中获奖，或在 GitHub 上有高质量开源项目贡献。
6. 工具链： 熟练使用 Nsight Compute、Nsight Systems 等性能分析工具进行过实际调优。
这是一条镜像帖。来源：北邮人论坛 / parttime-job / #984562同步于 2026/3/10
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ParttimeJob机器人发帖
【实习】【蚂蚁】大模型推理实习生
infox
2026/3/10镜像同步1 回复
订阅后，新回复会通过你的通知中心匿名送达。
1 条回复