AMD大模型算法实习生（模型量化/低比特训练推理）Jan - Jun 2026
任职要求
职位描述 研究和开发大模型优化算法，包括但不限于模型（如CNN、LLM、Vision LLM等）的量化、剪枝、蒸馏、压缩等算法设计与实现，提高训练和推理性能 分析模型和数据类型特点，制定对应的推理优化与量化策略，鼓励创新和论文发表； 关注低比特数据类型的模型训练，分析和解决精度与性能问题 跟踪AI领域最新研究成果和技术动态（特别是大模型量化和推理加速技术），评估其在实际产品中的应用潜力和落地价值，提出改进和创新的想法，推动团队的技术发展。 职位要求 扎实的C/C++或者Python基础，熟悉至少一种深度学习框架（如PyTorch、TensorFlow、JAX等）； 对AI算法和应用有深刻的理解，熟练掌握机器学习、深度学习、强化学习等理论知识，具备模型训练与部署的完整开发经验；或者有模型量化/剪枝/蒸馏/压缩相关科研或项目经验；或了解Flash Attenti…
工作职责
N/A
1. 负责大模型算法在手机、平板等移动设备平台部署，打造业界领先的全平台推理引擎 2. 分析性能瓶颈，提出系统性优化方案，将算法落地到汽车、手机、小爱等集团业务线 3. 设计先进的推理引擎架构，极致优化高性能算子与推理流水线 4. 了解移动端硬件特性，分析推理性能瓶颈，提出系统性解决方案 5. 充分挖掘硬件平台异构算力，优化资源占用 6. 负责AI项目交付、算法库开发、升级优化、技术文档撰写等工作
1、负责文生图、文生视频等自研大模型核心算子的自研开发与性能优化，基于CUDA、OpenAI Triton等工具实现高性能计算加速； 2、针对AI Infra大模型推理与训练场景，优化混合精度量化策略，设计低比特计算、稀疏化压缩等方案，提升模型部署效率； 3、深入GPU/Tensor Core硬件架构，优化显存管理、计算图调度及分布式通信，提升模型训练吞吐与资源利用率； 4、搭建端到端模型推理流水线，探索多模态生成任务下的算子融合、动态编译等创新优化手段； 5、协同算法团队完成模型轻量化落地，提供量化感知训练（QAT）、模型剪枝等技术支持。
1、负责文生图、文生视频等自研大模型核心算子的自研开发与性能优化，基于CUDA、OpenAI Triton等工具实现高性能计算加速； 2、针对AI Infra大模型推理与训练场景，优化混合精度量化策略，设计低比特计算、稀疏化压缩等方案，提升模型部署效率； 3、深入GPU/Tensor Core硬件架构，优化显存管理、计算图调度及分布式通信，提升模型训练吞吐与资源利用率； 4、搭建端到端模型推理流水线，探索多模态生成任务下的算子融合、动态编译等创新优化手段； 5、协同算法团队完成模型轻量化落地，提供量化感知训练（QAT）、模型剪枝等技术支持。
我们是小红书中台大模型 Infra 团队，专注打造领先易用的「AI 大模型全链路基础设施」！团队深耕大模型「数-训-压-推-评」技术闭环，在大模型训练加速、模型压缩、推理优化、部署提效等方向积累了深厚的技术优势，基于 RedAccel 训练引擎、RedSlim 压缩工具、RedServing 推理部署引擎、DirectLLM 大模型 API 服务、QuickSilver 大模型生产部署平台等核心产品，持续赋能社区、商业、交易、安全、数平、研效等多个核心业务，实现 AI 技术高效落地！ 1、参与设计实现支持RLHF/DPO等对齐技术的高效训练框架，优化强化学习阶段的Rollout、Reward Model集成、多阶段训练 Pipline； 2、研发支持多机多卡 RL 的分布式训练框架，开发TP/PP/ZeRO-3与RL流程的动态协同机制，解决 RL 算法在超长时序下的显存/通信瓶刭 3、构建端到端后训练工具链，主导框架与 MLOps 平台集成，提供训练可视化、自动超参搜索等生产级能力 4、与公司各算法部门深度合作，参与大语言模型LLM、多模态大模型 MLLM等业务在 SFT/RL领域的算法探索和引擎迭代； 5、参与分析各业务 GPU 利用率与饱和度等指标，结合业务场景持续优化训练框架能力，提升框架领先性。