岗位详情
岗位描述
- 1、承担CNN、大模型（LLM/多模态）与车载感知算法在目标 SoC 上的性能优化，包括模型压缩（量化、剪枝、蒸馏）、算子优化与推理框架适配，按项目进度达成时延、吞吐与内存指标并输出测试报告 2、根据模型结构与硬件特性（NPU/CPU/GPU 指令与内存带宽）设计优化方案与验证用例，包括精度判据、性能基准与长稳工况 3、分析精度回退、算力/带宽瓶颈与热节流问题，定位到算子、调度或数据搬运层，输出可落地的优化措施 4、跟踪编译器、量化工具链与新模型结构，探索自动化调参与混合精度/混合专家等效率提升方法，沉淀工具与流程 5、与模型训练、芯片原厂及系统软件团队协同，完成模型上端到端联调与问题闭环
岗位要求
- 1、硕士及以上学历优先，本科特别优秀者可放宽；计算机、数学、电子信息、自动化等相关专业 2、熟练掌握 Python 与 C/C++，具备阅读和修改框架源码的能力 3、掌握深度学习基础与主流模型结构（Transformer/Attention、CNN、检测/分割等），理解训练与推理流程差异 4、熟悉至少一类推理框架或编译工具链（TensorRT、ONNX Runtime、OpenVINO、TVM、llama.cpp、vLLM 或芯片厂商 SDK），有实际部署调优经验 5、了解模型量化（INT8/INT4、混合精度、KV Cache 量化）与推理显存/带宽分析方法，能独立跑通精度与性能对齐 6、有顶会论文、开源贡献、算法竞赛或大模型推理优化项目经验者优先 7、数学与逻辑基础扎实，能读懂论文并落地实现；有良好的沟通、表达能力和学习能力