工作职责：

- 优化训练集群的训练效率，解决通信延迟、显存溢出、Checkpoint保存慢等问题；
- 搭建稳定的数据加载与预处理Pipeline，确保算法团队能高效迭代大模型；
- 运用AI Coding工具重构车端通信、控制链路代码，开发自动化日志分析与异常诊断系统，显著缩短问题定位时间，提升功能开发效率；
- 构建高可靠的车云数据通道，支撑模型OTA升级、影子模式数据回流及远程诊断，优化弱网环境下的传输策略与数据压缩方案；
- 实施量化（AWQ/GPTQ/FP8）、KV Cache、投机采样等压缩方案，优化大模型在车端芯片的内存占用与推理延迟，实现ViT-LLM高效协同及图像特征缓存；

任职资格：

- 熟练使用AI Coding工具，能借助AI快速理解分布式训练框架代码、编写高性能CUDA Kernel原型、重构车端链路代码、调试复杂的编译或部署错误，并具备代码审查与优化能力；
- 扎实的C++和Python功底，熟悉Linux开发环境，理解计算机体系结构，具备基本的性能分析能力；
- 熟悉PyTorch分布式训练原理，了解模型部署流程，有实际的模型上线或嵌入式部署经验优先；
- 了解VLM/MLLM基本架构，熟悉大模型推理优化技术，有LLM压缩或边缘部署经验者优先；
- 具备CUDA编程基础，了解算子融合、FlashAttention、多模态特征缓存优化等技术者优先；
- 熟悉车端通信协议（SOME/IP、DDS、MQTT）及自动驾驶中间件（ROS2、Cyber RT）者优先；