资深优化专家（郑州）(J13672)

1. 研发高质量的芯片基础软件栈，包括支撑大语言模型在内的深度学习，线性代数，科学计算，信号处理等方向的基础加速库；
2. 分析重要的性能指标，调优已有软件算法，并且对未来的软件进行优化和提升；
3. 对大语言模型，CV模型，语音模型，推荐系统，科学计算和其他相关并行算法领域进行分析和优化；
4. 负责 AI模型推理/训练的端到端性能整体优化；
5. 实现AI/科学计算领域在GPGPU上的算法和实践。

6.参与主流大模型（DeepSeek、通义、LLaMA等）的推理算子开发和优化，提高大模型推理性能；参与W8A8 等量化算法的研究和相应高性能算子开发；参与投机采样、MTP、专家负载均衡、计算/通信 Overlap 等创新推理优化特性的研发；

1. 熟悉 C++编程，了解常用数据结构及算法；
2. 熟悉线性代数，科学计算，机器学习，深度学习，AI算法等一个或多个领域；
3. 熟悉 GPU 或 AI加速芯片的体系结构，有过在不同架构芯片上的算法调优经验；
4. 熟悉并行算法优化的基本技巧，有对算法性能进行分析和优化的经验；
5. 熟悉计算机体系结构，操作系统；
6. 以下情况优先：

• （1）GPU的编程和优化经验，e.g. CUDA or OpenCL，有过类CUDA生态的底层计算库（cuBLAS/cuDNN/cuFFT/cuSOLVER等）的开发经验，或者对这些计算库的构成和使用非常熟悉；
• （2）有过机器学习方面的开发经验，尤其是深度学习，熟悉Tensorflow, Pytorch, TensorRT等框架/引擎的原理和使用方法；
• （3）熟悉convolution、GEMM、Attention等计算密集型运算的典型算法，有过实际开发经验优先，有过视觉/大语言模型的开发和调优经验，熟悉CNN/Transformer等网络的性能瓶颈和优化方向，能够把握相关领域的国际前沿发展趋势；
• （4）有过数据科学，统计科学，图像处理，信号处理等方面的开发和优化经历；
• （5）有软硬件协同优化、基于异构硬件的软件开发经验者优先。
• （6）具备 NPU/GPU 等 AI 加速器的性能调优经验，熟悉内存优化、算子融合等技术。熟悉 AI 推理框架，有模型部署和优化实战经验。
• （7）参与过 Triton、MLIR、IREE、XLA、TVM、TorchInductor 等编译器的开发，或在 GitHub 提交过相关 PR。