岗位职责：
1.参与深度学习编译器核心模块的开发与优化，支持多硬件后端（如GPU/NPU/CPU）。
2.实现计算图的优化、算子融合、内存分配等编译技术。
3.开发与维护IR（中间表示）转换流程，提升模型推理/训练性能。
4.设计性能分析工具，定位编译器及模型在硬件上的性能瓶颈。
5.探索AI模型的高效编译与部署方案，推动技术落地。
任职要求
基本要求
学历：计算机科学或相关专业在读硕士/博士。
编程能力：精通 C++/Python，具备扎实的数据结构与算法基础。
基础知识：
熟悉操作系统、计算机体系结构；
了解常用的程序性能优化方法；
了解编译原理（如LLVM、GCC等传统编译器技术）。
工具使用：熟练使用 Git、Linux 开发环境。
核心要求：
编译器/框架经验：
熟悉至少一种深度学习编译器框架（如 TVM、MLIR、XLA、Glow）或参与过相关项目；
理解计算图优化、自动代码生成等关键流程。
硬件加速知识：
了解硬件加速器架构（如CPU/GPU/NPU），熟悉Tensor Core，熟悉并行计算、内存层次优化；
有 CUDA/OpenCL/汇编优化 经验者优先。
问题解决能力：
能独立定位性能瓶颈，设计优化方案并验证效果。
开发经验:
有深度学习框架（PyTorch/TensorFlow）或模型部署优化经验；
参与过编译器开发、高性能计算（HPC）或AI芯片工具链项目者优先。
加分项:
在 MLIR、LLVM 等开源编译框架提交过代码；
熟悉深度学习模型结构（Transformer/CNN等）及算子优化；
发表过编译器、体系结构、AI系统相关顶会论文（如ASPLOS）；
了解异构计算框架（如OpenMP）或硬件描述语言；
良好的技术沟通能力及文档整理能力。