The posting
1. 负责AI模型(如CNN、LLM、Vision LLM、MoE 等)的量化压缩算法设计与实现,提升模型在推理部署阶段的效率与精度; 2. 负责主流AI模型在自研NPU上的算子实现和优化,包括算子性能分析、调优及芯片架构协同设计(如互联结构、专用加速单元等); 3. 分析客户模型和方案特点,及自研NPU推理瓶颈,制定对应的推理优化与量化策略,提升部署效果; 4. 跟踪AI领域最新研究成果和技术动态(特别是大模型量化和推理加速技术),评估其在实际产品中的应用潜力和落地价值,及时为公司和团队引入优秀的前沿技术和方案;
1. 扎实的C/C++、Python基础,熟悉至少一种深度学习框架(如TensorFlow、PyTorch、JAX等); 2. 对AI算法和应用有深刻的理解,熟练掌握机器学习、深度学习、强化学习等理论知识,具备模型训练与部署的完整开发经验; 3. 有下列实际项目经验(至少一项):模型量化工具开发、投机采样/剪枝/蒸馏/MoE异构等优化、模型推理(加速)框架开发、GPU/TPU/NPU算子开发、AI处理器设计等 4. 对 AI 模型压缩有深入理解,至少具备以下一项实际开发经验: - 量化工具链开发(如 PTQ、QAT、混合精度推理等); - 推理加速框架优化(如 ONNX Runtime、TensorRT、TVM、XLA 等); - GPU/TPU/NPU 等异构硬件的算子开发与性能调优; - AI 芯片架构设计与软件协同开发; 5. 具备良好的科研能力或工程创新能力,在模型压缩/推理优化领域的国际顶会(如 NeurIPS、ICLR、CVPR、MLSys 等)有论文发表者优先;



