1. 大模型训练优化：制定 LLaMA等大模型的分布式训练方案，优化数据并行、模型并行策略，集成 DeepSpeed/Megatron 加速库提升训练效率。 2. 推理引擎构建：基于主流推理引擎开发适配自研芯片，应用量化、KV Cache 优化等技术提升性能。 3. 应用场景落地：主导大模型本地化微调（LoRA/QLoRA）与部署，构建 RAG 检索增强系统，适配智算中心、企业服务等场景的高并发需求。

1.学历背景：“双一流”/985 高校硕士及以上学历，计算机、软件工程相关专业。 2. 技术能力： 1) 精通 Python，熟练使用 PyTorch 框架，具备大模型分布式训练与推理部署实战经验； 2) 掌握模型性能优化核心技术（量化、算子融合、内存复用），能使用 Profiler 工具定位瓶颈； 3) 了解生成式大模型（文生图 / 多模态）特性，有 vLLM 推理优化经验者优先。 1. 加分项：主导过百卡级大模型训练项目、高并发场景落地案例者优先。