大模型找工作

真服了，我不信有这个题，还不会 常见的业务题 ◆ 大模型（LLMs）基础面 • 目前主流的开源模型体系有哪些？ • prefix Decoder 和 causal Decoder 和 Encoder-Decoder 区别是什么？ • 大模型LLM的 训练目标 是什么？ • 涌现能力是啥原因？ • 为何现在的大模型大部分是Decoder only结构？ • 简单 介绍一下 大模型【LLMs】？ • 大模型【LLMs】后面跟的 175B、60B、540B等 指什么？ • 大模型【LLMs】具有什么优点？ • 大模型【LLMs】具有什么缺点？ ◆ Layer normalization 篇 • La...

岗位职责：负责天数大模型推理技术的探索与研发，提升大模型在天数 GPGPU 上的推理性能：1. 负责大模型推理引擎的架构设计与实现；2. 负责大模型 server 的架构设计与实现；3. 负责大模型推理通信库的设计及算法实现；4. 负责大模型相关算子的实现及推理性能的整体优化；5. 调研并支持大模型前沿算法；任职资格：编程基础（必须）：1. 熟悉 Python/C++ 编程（11标准及以上），了解常用数据结构及设计模式；2. 熟悉深度学习编程框架，能够使用PyTorch 构建大模型推理 pipeline 并对模型中的核心模块进行高效实现；3. 熟悉 CUDA 编程，了解常见算子的实现及优化手段；大模型推理技术（至少满足两项）：1. 有 vLLM、TGI、SGLang、TensorRT-LLM等大模型推理框架的使用或优化经验；2. 了解FlashAttention、PagedAttention、MoE、Chunked Prefill 等大模型核心技术；3. 了解常见的大模型量化算法（如AWQ、GPTQ、SmoothQuant 等）及量化算子的实现；4. 了解大模型通信算子（如Allreduce 等）及计算通信 overlap 实现；5. 有分离式部署（PD 分离）开发经验。感兴趣可以私聊我进一步了解~