混元LLM大模型量化压缩高级算法工程师（北京/深圳/上海）

Job description

深度参与LLM大模型压缩加速方案研究，包括不限于

• ；

投机采样

• 适配LLM模型架构特性，探索Prefill / RL等场景下优化加速方案；

稀疏化

• Sparse Attention，KV-Cache压缩，模型结构剪枝等优化技术，协同框架定制化稀疏方案，提升模型推理性能；

量化

• 优化Transformer中 Linear/KV-Cache/Attention量化算法，适配FP8/INT8/NVFP4等量化方案及不同硬件后端。探索极低bit量化训练方案，深度协同硬件联合优化，实现模型体积极致压缩和性能突破，并推动实际业务落地；

新技术

• 聚焦长上下文，多轮对话优化等压缩加速优化技术研究；
• 设计可落地的大模型压缩算法及成本优化方案，助力大模型的性能加速，不限于模型结构/软硬协同优化；
• 分析业务性能瓶颈和模型特点，定制化开发大模型压缩优化工具，实现一站式模型压缩-部署的高速推理方案；
• 参与前沿的模型压缩加速算法研究，追踪领域前沿工作，撰写并发表顶会论文。 Requirements
• 熟悉深度学习算法基本原理，熟练掌握PyTorch，具备扎实的Python编程能力与工程实现能力；
• 熟悉主流LLM模型压缩算法体系，并且了解硬件及推理库上对于模型压缩的支持方案；
• 具有扎实的数理基础，熟悉常见的算法和数据结构，具有良好的编程习惯；
• 了解大模型算法基本原理，熟悉常见LLM大模型，有顶会论文发表者优先。