理想汽车【实习生】算子编译器开发实习生-北京/上海
任职要求
1. 计算机、人工智能、电子、软件工程的直接相关专业，或数学、物理类专业，在读硕士及以上； 2. 熟练使用 C/C++ 语言和DNN 基础； 3. 熟悉 CPU/GP…
工作职责
1.参与基于 MLIR 的空间数据流 AI 编译器开发及各类 AI 负载（含大模型）的建模与量化分析；
1.探索基于大语言模型（LLM）的Coding Agent开发范式，推动**AI驱动的算子开发流程（Human + Agent协同）**落地 2.使用AI工具（如 Claude Code / Cursor / 自研Agent）参与高性能算子开发，包括： a.GPU方向：CUDA / C++算子开发与性能优化（访存、并行度、kernel fusion等） b.BPU方向：地平线BPU算子开发与优化（编译约束、算子映射、数据流优化等） 3.参与构建AI辅助算子开发体系，包括： a.Prompt设计与Agent workflow搭建 b.自动代码生成、自动调优、自动benchmark与回归验证 c.结合profiling工具进行性能分析与优化闭环 4.参与大模型推理系统中的关键算子优化（Attention / KV Cache / MoE等） 5.参与跨硬件平台的算子适配与优化（GPU ↔ BPU） 6.沉淀技术文档与最佳实践（CLAUDE.md、Skill等）
Agent 优化策略验证： 参与探索基于大模型 Agent 的编译优化闭环系统，尝试利用 LLM 进行自动化的代码分析、性能瓶颈定位和调优策略生成（Auto-Tuning）。 前沿模型结构分析： 深入分析当前主流及前沿的深度学习模型结构（特别是各类 Transformer 变体，以及包含 FlashAttention、Linear Attention 等特性的模型），提取其计算和访存特征，为底层算子优化提供指导。 高性能算子开发： 结合理论分析与 LLM 代码生成能力，参与编写和优化针对公司 AI 芯片的高性能算子，挑战极致的执行效率。 工具链生态沉淀： 协助开发基于 LLM 的内部辅助工具，优化编译团队的研发工作流。
前沿算法探索与复现： 跟踪学术界在 AI for Systems、强化学习（RL）等算法应用于编译优化领域的最新进展，探索评估各种算法在实际编译器场景中的潜力。 软硬件协同设计辅助： 参与下一代AI推理芯片的早期架构预研。协助构建AI驱动的性能评估模型，为指令集设计、存储层次划分等提供基于数据的分析支持。 性能基准测试： 针对不同的算子和网络结构，在底层架构（如GPU、TPU类芯片）上进行性能压测与瓶颈分析。
1、参与亿级用户规模的电商推荐优化，提升内容电商观看时长、点击率、转化率、GMV、LTV等核心指标； 2、通过深度学习领域的研发工作，包括但不限于深度模型设计与优化、强化学习、迁移学习、图神经网络等的算法和系统提升预估效果； 3、通过推荐算法机制优化电商流量结构和GMV结构，促进电商生态的健康发展。