1. 高性能算子交付。负责生产级高性能算子的开发与持续优化，覆盖 Hopper / Blackwell 等 NVIDIA GPU 架构，充分利用 Tensor Core、TMA、WGMMA 等硬件特性，保障算子在不同代际 GPU 上的性能领先与稳定性。 2. 算法迭代中的算子瓶颈定位与演进式支持。在算法模型结构演进过程中（如 Attention 变体等），快速定位性能瓶颈算子，评估算子融合可能性、收益与代价，输出兼顾性能、精度和可维护性的演进式算子优化路线图，确保算法迭代不被算子性能阻塞 3. 算子 Benchmark 与选型决策。建立核心算子的标准化 Benchmark 流程，系统性对比 cuBLAS、TE、Liger-Kernel 等主流实现，在不同尺寸和精度等条件下给出数据驱动的选型结论，为训推框架的算子使用策略提供依据

1. 学历与经验：计算机、软件工程、人工智能等相关专业，硕士及以上学历，3-8 年 AI 算子或 CUDA Kernel 开发经验 2. LLM 核心算子实战经验：有 Flash-Attention、RMSNorm、AdamW 等 LLM 关键算子的性能优化或生产级实现经验；熟悉 cuBLAS、TE、Liger-Kernel 等主流算子库的区别和适用场景 3. CUDA 体系化能力：精通 CUDA 编程模型和执行机制，深入理解不同代际 GPU 架构（Ampere / Hopper / Blackwell）的特性差异；熟练使用 CUTLASS / CuTe / Triton 等算子开发框架；熟练使用 ncu Profiler 工具 4. Pytorch 后端与通信：熟悉 PyTorch 框架的算子调度与后端实现机制，理解 ATen 及 CUDA 后端链路，能够分析 torch 原生算子的性能瓶颈，并做出引入其他算子库替换的工程决策。熟悉 NCCL 集合通信原语和常见问题，能在算子设计中考虑通算 Overlap 可能性，为大规模 scale-up 训练提供支撑 5. 融合算子与精度分析：熟悉计算图优化主流方案（如 torch.compile 或 CUDA graph）和使用限制，具备 GEMM-based 融合算子的开发能力；深入理解常见精度的数值特性、误差来源和适用边界，在算法迭代中能快速定位并解释数值不稳定根因并提出解决方案 6. 编程语言与 Native 工程能力：精通 C/C++，Linux 系统底层基础扎实，熟悉现代 Native 开发体系 7. 软素质：工作细心踏实不浮躁；沟通顺畅，与算法 / Infra 其他角色高效协作；具备 owner 意识，对算子精度，数据参数，性能结果高度敏感 加分项： 1. 有国产 AI 芯片（如沐曦、昇腾、寒武纪等）算子移植、调优和交付经验 2. 熟悉主流 LLM 训练/推理框架（Megatron-LM / vLLM 等），熟悉训练/推理流程，并熟悉内部算子调用路径 3. 向主流算子库开源项目（如 CUTLASS、TE、Flash-Attention 等）提交过被主分支合并的关键 Patch