一、岗位职责：

1、负责大模型系统架构创新与性能优化，研究分布式训练框架（Megatron-LM、DeepSpeed、Colossal-AI 等），设计模型并行、流水线并行、MoE、长上下文、RL 训推一体等高效扩展方案，提升千亿级大模型训练效率与稳定性。

2、开展大模型推理与工程化研究，优化低延迟、高吞吐推理体系（动态批处理、KV Cache、量化、模型压缩、动态加载等），搭建轻量化部署、服务化框架与高效微调工具链，支持边缘与云端场景落地。

3、深耕软硬件协同设计，针对GPU、国产算力芯片（昇腾、寒武纪等）及RDMA等硬件特性进行深度适配与调度优化，攻克显存瓶颈、通信开销、算子/编译优化等关键工程问题。

4、探索前沿系统技术方向，包括稀疏化训练、低精度计算、绿色AI、多模态大模型系统等，并推动技术方案工程化落地。

5、开展高水平学术研究与产学研合作，在系统/ML 顶会发表论文，参与开源社区建设，联合产业伙伴推进技术成果转化与应用落地。

二、任职要求：

1、熟练掌握 PyTorch/TensorFlow 等主流深度学习框架，熟悉大模型训练、调试与推理部署全流程，具备分布式训练实战经验。

2、深入理解 Transformer、RLHF、推理加速等大模型核心技术，掌握 CUDA/MPI/NCCL/RDMA 等并行与分布式技术，或熟悉 TVM/XLA/LLVM 等编译优化、高性能计算（HPC）原理。

3、具备系统开发能力，熟悉 C++/Rust等高性能编程语言，有大型AI系统或底层优化相关开发经验。

4、在 MLSys/OSDI/PPoPP/NeurIPS/ICML等系统或AI顶会发表论文者优先。

优先条件

1、参与过 Megatron-LM、ColossalAI、vLLM、Verl 等主流开源项目并具备代码贡献；

2、熟悉模型量化、蒸馏、剪枝等 LLM 压缩技术，或具备 Triton 算子、芯片级优化、国产芯片适配经验；

3、有云厂商大规模AI系统部署、主导开源项目或核心专利成果；

4、国际编程/AI竞赛获奖。

三、申请材料及程序

1、材料：

1）完整的个人简历（中英文）；

2）研究计划（2页）：未来2-3年感兴趣的研究问题、解决问题的思路和方法，解决这些问题的基础和条件;

3）近期代表性论文全文（2篇）；

4）推荐信（至少2封）：由推荐人发至指定邮箱recruitment@sribd.cn。

2、程序

请将以上申请材料发送至recruitment@sribd.cn

邮件主题应为：姓名-毕业院校-申请的岗位名称-申请的岗位部门；如“张三-XX大学-软件工程师-xxx实验室”，研究院人力资源处将对申请材料进行初选，初选合格者将受邀参加远程面试。

四、联系方式

联系人：关老师

联系电话： 86-755-23517558