深度学习架构师岗位职责

职责描述：
岗位职责：
- 分析前沿深度学习网络（如大语言模型等），识别并原型化性能优化机会，为英伟达当前及下一代推理产品的软件与架构团队提供决策影响。
- 为先进的深度学习网络与算法开发分析模型，推动处理器与系统架构在性能与能效方面的创新设计。
- 明确硬件/软件配置与评估指标，用于分析现有及未来单处理器与多处理器配置下的性能、功耗与精度表现。
- 跨部门协作，与架构、软件及产品团队共同指引下一代深度学习硬件/软件的研发方向。
任职要求：
- 2027届及以后毕业生，计算机科学、电子工程、计算机工程、数学或相关技术领域硕士及以上学历。
- 熟练掌握 C、C++、Python 编程。
- 具备扎实的计算机体系结构背景。
- 拥有性能建模、架构仿真、性能剖析与分析相关经验。
- 具备大语言模型或生成式AI算法相关经验。
- 需要实习3-6个月
优先考虑条件：
- 具备GPU计算及CUDA、OpenCL等并行编程模型经验。
- 拥有其他深度学习加速器的架构分析或工作负载分析经验。
- 熟悉主流框架（如 PyTorch, TensorRT-LLM, vLLM 等）中的深度神经网络训练、推理及优化。
- 了解开源AI编译器（如 OpenAI Triton, MLIR, TVM, XLA 等）。
招聘人数：1人

核心职责
1. 深度学习平台架构设计：主导深度学习训练/推理平台的架构演进，覆盖数据流水线、模型开发、训练调度、模型仓库、在线服务等全链路
2. 分布式训练方案设计：针对百亿/千亿参数模型，设计数据并行、模型并行（张量/流水线/序列并行）、ZeRO优化策略，保障线性扩展比与训练稳定性
3. 模型优化与加速：指导模型结构优化（注意力机制选择、激活函数、归一化等）、混合精度训练、梯度累积、重计算等技巧，提升训练效率
4. 推理系统设计：协同推理加速团队，设计高性能推理服务架构（vLLM / TensorRT-LLM / Triton），满足低延迟高吞吐的业务需求
5. 技术规范与*佳实践：制定团队编码规范、模型开发流程、实验管理标准（MLflow / W&B）、模型版本管理
6. 前沿技术预研与落地：跟踪MLSys、NeurIPS、ICML等顶会前沿，评估FlashAttention、Ring Attention、MoE训练、FP8训练等新技术可行性
7. 团队建设与技术指导：担任技术导师，指导初中级算法/工程同学成长，参与技术评审

任职要求
1. 学历与经验：硕士及以上学历（博士优先），计算机/AI/数学/EE等相关专业；5年以上深度学习研发经验，其中至少2年担任架构师或技术负责人角色
2. 模型能力：深入理解CNN/RNN/Transformer/GNN等主流网络结构，熟悉LLM（GPT/LLaMA/Qwen）、多模态（CLIP/Stable Diffusion）等前沿模型原理
3. 分布式训练：精通PyTorch分布式（DDP/FSDP/DeepSpeed/Megatron-LM），有千卡级以上分布式训练实战经验，能定位通信/计算/IO瓶颈
4. 系统工程：熟悉CUDA编程基础、GPU体系结构；掌握Docker/K8s、MLOps工具链；有大规模训练集群调度经验（Slurm/Kubernetes）
5. 编程能力：精通Python，熟悉C++；代码规范意识强，有大型项目架构设计经验
软素质：优秀的技术判断力与决策力，能平衡技术先进性与工程稳定性；出色的跨团队协作与沟通能力