-Scale‑out 通信性能优化：负责大规模集群中跨节点（Scale‑out）通信效率的提升。深入分析 RDMA 协议栈（RoCEv2 / InfiniBand）在真实业务场景下的表现，通过调整拥塞控制参数、优化传输队列及中断/轮询模式，降低通信延迟并提高带宽利用率；针对 All‑Reduce、All‑to‑All 等集合通信算子进行性能画像，定位协议层瓶颈，输出可量化的优化方案 -RDMA 网卡效果验证与落地：将优化成果在RDMA 网卡上实际部署，搭建标准化测试环境，设计覆盖不同报文大小、多流并发、故障注入等场景的基准测试套件；完整评估网卡在优化前后的吞吐量、时延、CPU 利用率等关键指标，撰写测试报告，确保优化措施在硬件上稳定、有效，并推动最终产品化落地 -端侧可编程拥塞控制算法研究：基于RDMA 网卡的端侧可编程能力（如 P4、eBPF 或定制微引擎），探索新型拥塞控制算法；研究现有算法（如 DCQCN、Timely）的不足，结合网络流量特征和业务优先级，设计并实现自适应拥塞控制逻辑，在网卡本地快速响应拥塞信号，减少对 CPU 的依赖，提升整体网络的可靠性和公平性 -Scale‑up 超节点推理性能调优：在超节点（高带宽域内）环境中，聚焦节点内/间通信（Scale‑up）对主流大模型推理效率的影响；分析 TP（张量并行）、PP（流水线并行）、EP（专家并行）等并行策略下的通信依赖，结合 vLLM / SGLang 等推理框架，优化传输及调度逻辑；端到端验证模型部署后的吞吐量（Throughput）、首 Token 延迟（TTFT）和每 Token 处理时间（TPOT），提出并实施可落地的通信优化方案，确保推理性能达到业界领先水平 职责要求： -本科及以上学历，计算机、电子、通信或相关专业，对高性能网络或分布式系统有浓厚兴趣，具备扎实的计算机体系结构、操作系统和网络协议理论知识 -熟悉 RDMA（RoCEv2 / InfiniBand）的基本工作原理，了解其与传统 TCP/IP 的差异，有相关课程设计、毕业课题或实验项目经验（如使用 Verbs API 编程或模拟器验证）者优先 -了解 DCQCN、PFC、ECN 等主流拥塞控制机制，能清晰阐述其作用与不足，有网络仿真（如 ns‑3）或流量分析经历者加分 -熟练掌握 C/C++ 和 Python，具备 Linux 环境下的网络编程基础，对 DPDK 或用户态协议栈有初步了解或学习兴趣 -对 vLLM、SGLang 等大模型推理框架有基本认知，阅读过其源码或参与过小规模二次开发实践者优先；了解 Transformer 架构及分布式并行策略（DP/TP/PP/EP）的基本概念 -具备一定的实操经验，例如搭建过小型集群、运行过分布式训练/推理任务，或参与过开源项目贡献；能快速学习新知识，乐于从实验中定位问题并尝试解决 -自我驱动，主动性强，善于沟通协作，乐于分享技术见解。有技术博客、竞赛获奖或学术论文发表经历者优先考虑