【2027校招】测试开发

1、GPU集群性能基准测试与分析：设计并执行针对英伟达/国产等主流AI芯片的微架构级Benchmark（如GEMM、AllReduce、显存带宽），建立标准化性能基线；深入分析算力瓶颈、通信延迟及能效比，输出可落地的硬件选型与调优建议； 2、大模型训练/推理系统评测：构建覆盖预训练、SFT、RLHF及推理服务的全链路评测框架，量化评估不同并行策略（TP/PP/DP）、算子融合、量化精度（FP8/INT4）对吞吐量、延迟、收敛性的影响，支撑训练框架与推理引擎的迭代优化； 3、软硬件协同问题定位：联合芯片厂商、驱动团队及算法团队，复现并根因分析GPU相关故障（如ECC错误、NVLink降速、OOM、精度漂移），推动固件/驱动/编译器层面的修复验证，保障万卡集群稳定性； 4、前沿技术预研与工具建设：跟踪NVIDIA/AMD/国产芯片新特性（如Blackwell FP4、MI300X MFMA），提前验证其在小红书业务场景的适用性；开发自动化测试平台与可视化分析工具，提升团队研发效能； 5、技术标准沉淀与知识传递：撰写GPU测试规范、性能调优手册及故障案例库，参与内部技术培训，将研究成果转化为可复用的基础设施能力。 【任职要求】 1、本科及以上学历，计算机体系结构、高性能计算、电子工程、人工智能等相关专业，扎实的计算机系统功底，熟悉 Linux 内核、CUDA 编程、计算机网络及存储原理。 2、GPU与AI系统经验： a、有CUDA/OpenCL kernel编写与性能调优实战经验，理解GPU内存层次、Warp调度、Tensor Core工作机制。 b、参与过Megatron-LM/DeepSpeed/vLLM/TensorRT-LLM等框架的开发、测试或深度使用，理解分布式训练/推理底层机制。 c、在MLSys、ISCA、MICRO、ASPLOS等会议发表过GPU/AI系统相关论文，或在知名开源项目（如PyTorch、Triton、FlashAttention）有实质性贡献。 3、测试与研究能力：具备严谨的实验设计思维，能独立定义评测指标、控制变量、排除干扰因素；熟练使用Nsight Systems/Compute、Perfetto、DCGM等profiling工具；有大规模集群（≥千卡）测试经验者优先； 4、工程落地意识：代码能力强（Python/C++/Rust至少精通一门），注重代码质量与可维护性；能将研究成果转化为自动化工具或平台组件，而非仅停留在论文/报告层面。 【加分项】： 1、熟悉国产AI芯片（昇腾、寒武纪、海光等）生态或有适配经验； 2、有编译器（TVM/MLIR/XLA）或算子库（cuBLAS/cuDNN）开发背景； 3、在Kaggle/顶会竞赛中取得优异成绩，或有高质量技术博客/开源项目。