工作职责:

-关于我们：我们是百度智能云AI计算部训推加速团队。立足芯片-框架-服务全栈视角，专注大模型训练与推理性能的极致优化，以“极致加速”、“业界领先”为核心目标，全力驱动公司及外部客户在大模型技术上的高速迭代，用技术定义下一代大模型的算力边界
在这里，你能接触到
-万卡推理集群：支撑公司 MaaS 平台，稳定运行数万卡推理服务，承载海量并发请求
-千卡训练集群：深度优化数个千卡级大模型训练任务，保障核心模型高效产出
-自研芯片落地：推动自研 AI 芯片在内外部的规模化应用，已实现上万卡集群的量产落地
在这里，你可以参与
-大模型推理引擎优化：面向大规模 MoE 架构，从服务调度、并行策略、KV Cache 管理等维度进行极致优化。确保 DeepSeek、GLM 等 SOTA 模型能获得业界最优的吞吐与延迟表现；积极参与sglang社区，将领先的feature回馈社区
-高性能 KV 系统开发：参与自研的生产级 KV Cache 池化系统的开发，实现 Prefill 与 Decode 阶段的一化内存管理，突破显存墙限制，提升长上下文处理能力
-全模态训练引擎研发：构建自研全模态训练框架，设计自适应切分与通算编排策略，让 LLM、VLM、VLA 等多模态前沿模型获得业界领先的训练效率
-自研芯片算子与适配：深入底层硬件，极致优化自研芯片算子性能，完成主流大模型框架的适配与迁移，充分释放自研芯片的算力潜能

任职要求:

-思维活跃，学习能力强、自驱力强，愿意主动捣腾事情
-对大模型训推引擎或异构计算编程有浓厚的兴趣。拥有 vLLM、SGLang、Megatron、DeepSpeed 等主流框架的实战或者学习经验，或具备深入的 CUDA/高性能算子开发经历
-对技术执着，不满足于“能跑”，致力于“更快”，愿意死磕每一个微小的优化点，追求系统性能的极致边界
以下优先
-具备良好的"Vibe Coding"素养，善于利用 AI 工具链提升工程效率，对人机协同编程有丰富的实践经验和独到感悟
-在大模型训推方向有优秀的论文产出，能够将工程实践转化为高质量的学术成果