Pytorch框架研发专家（深圳/北京/上海/杭州）

1.主导 PyTorch 等主流大模型深度学习框架的核心研发，聚焦 GPU 及异构 AI 芯片（如昇腾、寒武纪）的深度适配与性能突破；负责框架算子层、执行引擎层的硬件特性优化（如 tensor core 利用率提升、访存路径优化、指令级并行调度），支撑大模型在异构硬件上的高效运行；
2.深度剖析框架引擎底层机制（如自动微分、动态图执行、算子调度逻辑），主导前沿大模型技术（如 Transformer 架构优化、混合精度训练、稀疏化推理、训推一体化）的研究与工程化落地；构建技术预研 - 原型验证 - 生产级适配的全链路能力，推动框架技术领先性；
3.牵头构建大模型框架的高可用、高扩展技术体系，与跨团队协同设计分布式训练 / 推理的容错机制、动态资源调度策略、版本兼容方案；主导系统稳定性指标（如服务可用性、任务成功率）与扩展性能力（如多芯片适配、超大规模集群支持）的持续优化，支撑千亿级参数模型的大规模训练与推理任务稳定运行。

1.精通 PyTorch 底层架构（深入理解 Autograd 机制、TorchScript/JIT 编译原理、分布式训练模块底层实现），具备千亿级以上参数大模型基于 PyTorch 的分布式训练（数据并行、模型并行、ZeRO 优化）与推理全链路实践经验；能独立定位并解决框架级复杂问题（如精度异常、性能瓶颈、分布式通信冲突）者优先；
2.深入掌握并行计算核心原理（MPI/NCCL 通信机制、同步 / 异步并行策略），精通 CUDA 编程模型（线程束调度、共享内存优化、内存 coalescing、异步拷贝）；熟悉网络通信技术（RDMA 协议、TCP/IP 优化）、系统优化方法论（CPU/GPU 缓存利用率提升、内存碎片化治理）及集群硬件架构（CPU/GPU 拓扑、PCIe 带宽优化、存储 IO 路径设计）；
3.具备卓越的编程功底，精通 Python 高性能编程（Cython 扩展、JIT 优化）与 C++ 底层开发（STL 深度应用、内存管理、多线程同步）；精通数据结构与算法的工程化落地（如高效哈希表、并行排序、动态规划优化）；深入掌握 Linux/Unix 系统内核调优（sysctl 参数、进程调度、IO 模型）及 Shell 脚本高级编程；熟练运用 Git 进行复杂项目版本管理（分支策略、冲突解决、CI/CD 集成）；
4.主导过大规模 AI 集群（千卡级 GPU 以上）的性能分析与调优项目；精通系统性能诊断工具链（nsight、perf、gprof、nvidia-smi），能建立性能基准体系并制定针对性优化方案，成功解决过核心瓶颈问题（如通信延迟过高、内存溢出、算力利用率不足）。。加分项：