1.训练加速：基于 PyTorch 深度优化分布式训练框架（如 DeepSpeed/Megatron），针对多机多卡环境进行通信与显存优化，追求极致的算力利用率（MFU）并降低训练成本。2.底层算子自研与调优：针对大模型（及多模态模型）的核心计算逻辑，进行 CUDA/Triton 级别的算子自研、融合与极限性能压榨，打破计算与访存瓶颈。3.系统环境与 I/O 优化：负责 GPU 集群的底层环境配置、网络通信优化（NCCL/RDMA）以及高效的数据预处理/加载管线建设，快速定位并解决底层死锁、OOM 等疑难杂症。

【职位要求】1.本科及以上学历，计算机、电子工程或相关专业，具备扎实的操作系统与计算机体系结构功底。2.精通 PyTorch，熟悉至少一种主流分布式训练框架的核心机制（DeepSpeed 等），对张量并行、数据并行、ZeRO 等显存优化策略有实战经验。3.底层开发能力：精通 C++/CUDA/Triton 编程，熟悉 GPU 微架构，能够独立进行核心算子（如 Attention 变体）的编写与性能调优。