职位描述：
研发大模型（LLM、多模态等）的纯算法级压缩技术，涵盖量化算法、稀疏化算法、轻量级架构设计、知识蒸馏、低秩分解等方向
负责大模型（LLM、多模态等）推理过程中的性能优化与加速，涉及动态批处理（DynamicBatching）、KVCache优化、SpeculativeDecoding等关键技术
设计压缩与微调协同优化的联合算法，提升压缩后模型的精度恢复能力
持续跟进学术前沿进展，推动先进算法在实际业务场景中的创新性应用落地
实现大模型压缩与推理加速算法的工程化部署及业务集成

任职要求：
机器学习、数学、计算机等相关专业博士学历，具备3年以上模型压缩或轻量化研究经验
深入掌握主流压缩算法（如量化、稀疏化、蒸馏）的理论基础与代码实现
深入掌握主流推理加速算法（如SpeculativeDecoding、VLLM）的原理与实践
熟练运用Python，具有良好的算法模块化开发与封装能力
在人工智能领域顶级会议（如NeurIPS、ICML、ICLR、AAAI）发表过论文者优先