【岗位背景】 在AI芯片与大模型爆发的时代，工具链是连接算法生态与硬件算力的核心桥梁。我们需要具备C++/Python双栈能力的复合型人才，参与构建从模型导入、图优化、算子生成、量化压缩到推理部署的全流程工具链。 您将不再局限于单一模块，而是深入工业级AI系统的全貌：用C++挑战性能极限，用Python构建自动化生态，用编译优化与量化技术释放硬件潜能。 【岗位职责】 作为工具链开发实习生，您将深度参与以下核心工作流： 全流程工具链开发与维护： ·参与AI编译器前端（模型解析/图优化）或后端（代码生成/指令调度）模块的开发，支持PyTorch/TensorFlow模型到自研芯片的高效映射。 ·基于C++实现高性能神经网络算子（如Conv, MatMul, Attention, LayerNorm等），并利用Python构建算子的自动化验证与回归测试框架。 模型转换与一致性保障： ·负责ONNX及主流框架模型的解析、转换与优化，确保模型在转换前后的数值精度一致性（FP32/FP16/INT8）。 ·编写Python脚本构建大规模模型测试集，覆盖功能正确性、边界场景及异常处理，快速定位并修复转换过程中的Bug。 性能优化与量化落地： ·协助进行算子级的性能剖析（Profiling），利用循环展开、分块（Tiling）、向量化等技术优化关键路径。 ·参与模型量化（Quantization）工具的开发，支持PTQ（训练后量化）与QAT（感知训练量化），实现INT8/FP8精度的高效推理。 编译优化技术探索： ·参与基于MLIR/TVM/LLVM的编译优化Pass开发，实现算子融合、内存复用及并行调度策略。 探索大模型（LLM）特有的优化技术（如FlashAttention算子集成、显存优化、动态Shape支持）。 文档与生态建设： ·撰写高质量的技术文档、API说明及最佳实践指南，协助构建友好的开发者生态。 【任职要求】 （我们需要您同时具备扎实的C++功底与灵活的Python能力） 1.学历专业： 计算机、电子工程、自动化、数学或相关专业在读硕士/博士研究生。 2.编程语言（双栈核心）： 精通 C++：扎实的编程基础，熟悉指针、内存管理、多线程、模板编程，掌握现代C++特性（C++11/14/17/20）。 熟练 Python：能熟练使用Python进行脚本开发、数据处理及自动化测试，熟悉 NumPy, pytest, pandas 等库。 3.AI与系统基础： 深入理解常见神经网络结构（CNN, Transformer, MoE等）及其数学原理，熟悉基础算子（Conv, GEMM, Softmax等）的计算逻辑。 熟悉 Linux 开发环境，精通 Git 版本控制工作流。 4.框架与工具： 有 PyTorch 或 TensorFlow 的实际使用经验，了解模型训练与推理流程。 了解 ONNX 标准、模型转换流程或主流推理框架（ONNX Runtime, TFLite, TensorRT）者优先。 5.综合素质： 具备极强的问题分析与调试能力（Debug），善于利用日志、断点及性能分析工具定位复杂问题。 责任心强，拥有良好的团队协作精神与沟通表达能力。 【加分项】（具备以下任一条件将极大增加录用概率及定级） 编译优化专家：熟悉 LLVM, MLIR, TVM, XLA 等编译框架，有自定义Pass开发或Codegen经验者优先。 量化技术达人：深入理解模型量化原理（对称/非对称量化、校准算法、伪量化），有实际量化项目落地经验。 高性能计算：了解CPU/GPU/NPU体系结构，有 CUDA, SIMD (AVX/NEON) 编程或汇编优化经验。 开源贡献者：在 GitHub 上有高质量开源项目，或是 TVM, PyTorch, ONNX, MLIR 等社区的 Contributor。 学术/竞赛成果：在顶级会议（MLSys, CGO, CVPR等）发表过系统相关论文，或在ACM/ICPC、AI芯片大赛中获奖。 【转正机会】： 表现优异者可直接获得全职Offer（SP/SSP级别）