【职位描述】 1、对主流的视觉生成模型（如Stable Diffusion系列模型、DiT系列模型）和模型库（如ComfyUI、HF diffusers）做适配、加速、部署； 2、开发编译加速的基础设施，主要是开发高性能算子、编译工具、运行时、分布式； 【职位要求】 基础要求： 熟悉Python、C++编程语言特性，熟悉 PyTorch/OneFlow 其中一种深度学习框架的使用，具有良好的编程习惯，熟悉Linux/Git程序开发流程及环境； 正式需要了解下面最少一个方向。 实习需要了解其中某个方向的某一两个点，至少实习3个月、每周4天： 1.算子优化方向，了解 PyTorch/OneFlow 等深度学习框架的算子开发流程，使用 NVIDIA Nsight/torch profiler 等定位性能瓶颈，使用 CUDA、OpenAI Triton、CUTLASS 实现高性能算子； 2.AI编译方向，使用AI编译器技术，利用代码改写、代码生成，在NV的主流GPU（或者国产GPU如昇腾），生成高效的计算密集/访存密集的算子kernel，结合硬件新特性完成高效的kernel运行时参数的设定（自动调优)； Runtime方向，支撑好AI编译器产生代码的高效执行。比如，如何结合深度学习框架高效调度算子，如何解决显存异常相关问题，如何处理好编译结果的序列化/反序列化，如何做好编译缓存，如何做到对不同硬件平台的兼容等； 3.分布式方向，实现分布式通信支持模型的多机多卡并行执行，比如用数据并行、模型并行、流水并行以及最新的分布式技术加速模型； 4.视觉生成模型方向，利用视觉模型的结构特点做推理部署和优化。比如，UNet、VAE、DiT、Transformer、SD模型、SVD模型等相关模块，结合其实现和开销做质量评估、算法优化、性能优化； 【 加分项】 模型推理加速经历； 知名开源项目的参与经历； 知名比赛经历； OneDiff 的使用经历；