岗位目的:

支持多模态模型在应用场景落地时的性能优化和部署工作。 搭建自动化模型优化和部署的工具链。 配合业务持续迭代线上模型、优化资源利用率。

岗位职责:

1. 分析业务多模态模型计算性能瓶颈，资源利用率情况，制定算法或者工程方案，提高模型的计算性能、优化资源利用率。 

2. 通过模型压缩蒸馏、高性能算子开发、分布式计算或虚拟化部署等方式，持续优化业务的多模态模型性能和资源利用率。 

3. 将模型优化的技术沉淀为可服用的工具链或者平台，支持算法和业务自动化、高效的完成模型优化。 

4. 持续调研业界前沿的多模态模型推理性能优化技术，编写清晰的技术文档，分享优化经验，支持团队技术能力的提升。

岗位要求:

1. 计算机相关专业本科及以上学历，有2年及以上相关行业工作经验。  

2. 熟悉LLM, Diffusion等相关模型结构和推理流程，熟悉GPU、NPU、分布式相关硬件原理。 

3. 具备良好的编程能力，熟练掌握Python/C++，有优秀的代码规范意识。

 4. 熟悉深度学习框架（如Pytorch, TensorRT/OnnxRuntime、VLLM/SGLang）或多模态模型工具链（如Diffusers）。

 5. 熟悉模型量化、剪枝、知识蒸馏、模型并行等优化技术，具备相关实践经验。

 6. 具备良好的问题分析和解决能力，能够快速定位和解决模型性能问题。

岗位亮点:

1. 参与前沿多模态大模型应用落地，推动大规模行业级应用。   

2. 与基座大模型算法团队合作，紧跟前沿技术发展。

具备以下优先:

1. 有Diffusion, Flow Matching相关模型优化和落地经验 

2. 发表过多模态大模型性能优化相关论文。

欢迎投递简历至 lishengxi@meituan.com