The posting
1. 负责公司内部大模型推理引擎的维护、开发与性能优化,面向音视频理解和生成等多模态推理场景进行深度适配 2. 面向线上业务构建高吞吐、低延迟、稳定可观测的大规模推理系统,满足严格的 TTFT、TPOT、E2E latency、goodput 和 p99 SLO 要求 3. 跟踪 vLLM/vLLM-Omni、SGLang/SGLang-Omni、TensorRT-LLM 等推理引擎的演进,并结合生产场景进行深度优化和工程落地
1. 具备扎实的计算机系统、体系结构和并行计算基础;精通 Python,熟悉 C++,熟练使用 PyTorch 2. 熟悉大规模分布式推理系统,理解 PD 分离、DP attention 等部署策略 3. 掌握 vLLM/vLLM-Omni、SGLang/SGLang-Omni、TensorRT-LLM 等推理引擎的核心设计,理解 scheduler、attention backend、KV cache manager、prefix cache、batching 和 serving runtime 4. 有千亿参数级以上模型线上部署经验,能够定位和解决 queue wait、decode bottleneck、cache miss、显存水位、长尾请求、OOM、通信抖动和多租户干扰等问题 5. 具备生产环境性能分析和稳定性治理能力,能够基于 metrics、trace、profile、日志和压测结果持续优化线上 SLO
加分项 1. 作为核心成员参与过业界知名模型的推理优化或大规模线上部署 2. 在 vLLM/vLLM-Omni、SGLang/SGLang-Omni、TensorRT-LLM 等开源推理项目有实际贡献 3. 熟悉 CUDA、Triton kernel、CUTLASS kernel 优化,对 attention、sampling、quantization、MoE routing、multi-modal projector 等热点模块有优化经验 4. 以第一作者在 MLSys、OSDI、SOSP、NSDI、ASPLOS 等系统或体系结构会议发表过论文 5. 长期跟踪推理系统、模型结构和部署架构演进,对多模态模型的线上成本、性能和稳定性有工程化判断



