# 【星火X计划】面向超大尺寸MoE的大EP推理工程优化(J14505)

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: 科大讯飞（星火与AI应用/平台团队） (上市公司)
- 地点: 合肥、北京
- 职能: 工程开发
- 前往官方投递: https://iflytek.zhiye.com/campus/detail?jobAdId=a3dce847-eac0-4b74-b826-adfb75e9e10d

## 雷达摘要（非 JD 全文）

职责：本课题聚焦超大规模 MoE 大模型超大专家并行（EP128 以上） 场景下的核心瓶颈，围绕跨节点高带宽通信优化、动态专家负载均衡、多并行维度协同调度三大主线，构建低通信开销、高资源利用率、低尾部延迟的 MoE 分布式推理体系；支撑百专家乃至上千专家规模 MoE 大模型在大规模 GPU 集群高效部署，建立面向线上业务 MoE 分布式推理性能评测体系。要求：24-27届硕士及以上学历，人工智能、计算机科学、高性能计算、数学、电子信息等相关专业，其他专业但具备突出工程能力者同样欢迎；扎实深度学习、并行计算、分布式系统基础，精通 Transformer 与 MoE 混合专家模型原理，熟悉大模型训练 / 推理分布式并行范式；熟练 C/C++ 或 Python；熟悉 MoE 路由机制、专家并行 EP、All-to-All 通信、分布式通信原语（NCCL 等）；具备分布式系统、高性能网络、调度算法相关背景；拥有独立问题建模、理论推导、仿真与大规模实验验证能力，能够搭建分布式评测基线，对标业界前沿并行方案并提出创新解法；良好跨团队协作能力，能够协同模型、推理框架、硬件、业务团队推进技术落地；具备较强抗压能力，擅长解决工业大规模集群场景下复杂技术瓶颈。优先：熟悉 PyTorch、vLLM、TensorRT-LLM 等推理框架优先；有 MoE 分布式优化、负载均衡、高性能通信相关研究经历优先；有大规模 GPU 集群调试经验者优先；在 ICLR/NeurIPS/ICML 等顶会发表 MoE、分布式推理、并行优化相关论文优先；拥有 MoE 开源项目贡献、分布式推理框架二次开发经验优先。

## 职责与交付物

- 本课题聚焦超大规模 MoE 大模型超大专家并行（EP128 以上） 场景下的核心瓶颈，围绕跨节点高带宽通信优化、动态专家负载均衡、多并行维度协同调度三大主线，构建低通信开销、高资源利用率、低尾部延迟的 MoE 分布式推理体系。
- 支撑百专家乃至上千专家规模 MoE 大模型在大规模 GPU 集群高效部署，建立面向线上业务 MoE 分布式推理性能评测体系。

## 任职要求

- 24-27届硕士及以上学历，人工智能、计算机科学、高性能计算、数学、电子信息等相关专业，其他专业但具备突出工程能力者同样欢迎
- 扎实深度学习、并行计算、分布式系统基础，精通 Transformer 与 MoE 混合专家模型原理，熟悉大模型训练 / 推理分布式并行范式
- 熟练 C/C++ 或 Python
- 熟悉 MoE 路由机制、专家并行 EP、All-to-All 通信、分布式通信原语（NCCL 等）
- 具备分布式系统、高性能网络、调度算法相关背景
- 拥有独立问题建模、理论推导、仿真与大规模实验验证能力，能够搭建分布式评测基线，对标业界前沿并行方案并提出创新解法
- 良好跨团队协作能力，能够协同模型、推理框架、硬件、业务团队推进技术落地；具备较强抗压能力，擅长解决工业大规模集群场景下复杂技术瓶颈

## 加分项

- 熟悉 PyTorch、vLLM、TensorRT-LLM 等推理框架优先
- 有 MoE 分布式优化、负载均衡、高性能通信相关研究经历优先
- 有大规模 GPU 集群调试经验者优先
- 在 ICLR/NeurIPS/ICML 等顶会发表 MoE、分布式推理、并行优化相关论文优先
- 拥有 MoE 开源项目贡献、分布式推理框架二次开发经验优先

## 申请方式

- https://iflytek.zhiye.com/campus/detail?jobAdId=a3dce847-eac0-4b74-b826-adfb75e9e10d
- 打开该精确官方详情，投递前重新确认开放状态，并从详情页继续申请。

---
opening_id: 08afcfad-85de-4793-bee7-69dc0fc2471d

`anm openings save --id 08afcfad-85de-4793-bee7-69dc0fc2471d`