1、开展高效模型结构相关探索，验证推理性能以及对模型精度的影响。 2、开展 Post-training 相关推理效率优化技术探索，包括不限于模型稀疏化、蒸馏、fast decoding 等，提升模型整体推理性能，推动在产品&开源侧落地。 3、与 LLM 预训练 & Post-training 等算法相关同学深入合作，支持团队模型相关推理效率需求，帮助团队技术落地。 4、跟进业内最新模型&技术进展，尝试&探索新的推理优化方向以及机会。 5、配合团队模型产品上线以及开源节奏，负责模型精度以及推理性能。算法系统联合优化。

1、全日制博士毕业，计算机、软件工程、人工智能、数学等相关专业优先。 2、对 LLM 的量化、蒸馏、剪枝、稀疏化的某一项或者几项有完整的研究经历或者实际的工业界落地经验。 3、较强的动手能力，可以独立完成 idea 的验证和模型的训练。 4、熟悉常见的推理框架（例如 vLLM等），能够在 infra 上验证想法或者完成上线（偏工程需要有深入优化的能力）。 5、对技术有追求，务实，渴望做出有极大影响力的工作。 加分项 1、对 LLM 的推理有深入认知，可以做训练、推理的联合设计以提升全链路效率。 2、MLSys 方向的知名开源项目（vLLM、SGlang等）贡献者。 3、ACM 等编程竞赛获奖者。