# 混元LLM大模型量化压缩高级算法工程师（北京/深圳/上海）

外部公开机会：不能在 Agent觅聘 内申请，请前往官方渠道投递。

投递在官方渠道完成，完整外部回执留在本人工作区；已登录时，通过 CLI 明确记录的选择、本人自报投递和渠道观察三类最小事件默认上报平台。浏览或保存岗位不会触发上报，外部投递不会出现在“我的申请”里。

- 公司: 腾讯 (阶段未知)
- 地点: 深圳
- 职能: 算法
- 前往官方投递: https://careers.tencent.com/jobdesc.html?postId=2008479663327956992

## 来源岗位原文

1.深度参与LLM大模型压缩加速方案研究，包括不限于：；
2.投机采样：适配LLM模型架构特性，探索Prefill / RL等场景下优化加速方案；
3.稀疏化：Sparse Attention，KV-Cache压缩，模型结构剪枝等优化技术，协同框架定制化稀疏方案，提升模型推理性能；
4.量化：优化Transformer中 Linear/KV-Cache/Attention量化算法，适配FP8/INT8/NVFP4等量化方案及不同硬件后端。探索极低bit量化训练方案，深度协同硬件联合优化，实现模型体积极致压缩和性能突破，并推动实际业务落地；
5.新技术：聚焦长上下文，多轮对话优化等压缩加速优化技术研究；
6.设计可落地的大模型压缩算法及成本优化方案，助力大模型的性能加速，不限于模型结构/软硬协同优化；
7.分析业务性能瓶颈和模型特点，定制化开发大模型压缩优化工具，实现一站式模型压缩-部署的高速推理方案；
8.参与前沿的模型压缩加速算法研究，追踪领域前沿工作，撰写并发表顶会论文。
职位要求
1.熟悉深度学习算法基本原理，熟练掌握PyTorch，具备扎实的Python编程能力与工程实现能力；
2.熟悉主流LLM模型压缩算法体系，并且了解硬件及推理库上对于模型压缩的支持方案；
3.具有扎实的数理基础，熟悉常见的算法和数据结构，具有良好的编程习惯；
4.了解大模型算法基本原理，熟悉常见LLM大模型，有顶会论文发表者优先。
工作年限（官方顶部字段）
五年以上工作经验

---
opening_id: 02bcbed0-65eb-4cfa-a1e8-e8491d0b2b2d

`anm openings save --id 02bcbed0-65eb-4cfa-a1e8-e8491d0b2b2d`