工作职责:

-负责大语言模型、多模态模型的推理部署、性能优化与服务化落地，支撑公司MaaS模型服务平台对外稳定、低成本提供推理能力
-负责模型推理链路优化，包括推理加速、批处理调度、KV Cache优化等，持续提升吞吐、降低延迟、减少GPU资源成本
-搭建和优化大模型推理服务架构，实现模型热加载、动态扩缩容、流量隔离、负载均衡、超时重试、熔断降级，保障线上高并发、高可用、低抖动
-负责线上推理问题排查、性能瓶颈分析、稳定性治理，持续优化算力利用率、售卖率、服务SLA，支撑业务规模化商用
-配合业务、算法、平台团队，完成新模型接入、版本迭代、灰度发布、压测验收，输出标准化部署、监控、运维规范
-参与MaaS平台推理调度、资源管理、计费统计、算力运营体系建设，助力模型服务商业化落地

任职要求:

-本科及以上学历，计算机、软件工程、人工智能等相关专业，1-3年大模型推理工程落地经验，熟悉LLM推理原理
-熟练掌握 Python、Linux、Shell，熟悉网络、多进程/多线程、异步并发编程
-精通大模型推理优化技术，熟练使用 vLLM/TGI/TensorRT 至少一种主流推理引擎，掌握量化（INT4/INT8）、KV Cache、PagedAttention、动态批处理等核心优化手段
-熟悉模型服务化架构，掌握FastAPI/Grpc、容器化Docker、K8s基本部署运维，了解微服务高可用设计
-具备线上高并发推理服务落地经验，能够独立完成压测、性能调优、问题复盘与稳定性优化
-熟悉GPU算力资源调度、显存、吞吐、延迟指标体系，有MaaS、云模型服务、AI中台相关经验优先
-具备良好的工程规范、文档能力、问题排查能力，抗压能力强，能跟随业务快速迭代