# 混元多模态大模型算法加速工程师（深圳/北京/上海/杭州）

External opening: you cannot apply through AI Native Match; apply on the official site.

Apply through the official channel. The full external receipt stays in your workspace. When signed in, three minimal event types explicitly recorded through the CLI are reported by default: selection, self-reported application and channel observation. Browsing or saving a role does not report an event; external applications do not appear under My applications.

- Company: 腾讯 (Stage unknown)
- Locations: 深圳
- Role: Algorithm
- Apply on the official site: https://careers.tencent.com/jobdesc.html?postId=2007768437438439424

## Role description from source

1.主动跟踪学术界与工业界在图像视频生成式模型、多模态理解模型、语音模型、多模态理解生成统一建模等方向的创新算法研究，攻克Diffusion模型加速、多模态理解模型、语音模型（ASR、TTS、Omini等）、多模态理解生成统一建模加速等技术方向，包括但不限于：（Attention量化/稀疏加速、蒸馏加速、量化、投机解码、剪枝、KV Cache 压缩等等）；
2.通过分析模型和任务性能瓶颈，设计创新的算法优化方案，提升多模态大模型的推理效率，显著降低端到端延迟；
3.作为算法与框架团队之间的技术桥梁，聚焦于图像理解、视频生成、音频理解生成、视觉多轮交互、实时对话等任务，提升模型在推理端的性能；
4.高效协同框架开发及业务算法团队，确保技术方案落地。撰写高质量的技术文档与实验报告，并组织内部分享，推动团队整体技术认知提升。
职位要求
1.拥有计算机科学、人工智能、电子工程、自动化等相关专业。具备扎实的机器学习/深度学习基础；
2.精通Python编程，熟练掌握PyTorch等深度学习框架。对Transformer、Diffusion等模型架构、计算瓶颈与优化方法论有深刻理解; 具33、图像视频生成、音频理解生成、图像视频编辑/理解、模型压缩（步数蒸馏，轻量化模型，投机解码、KVCache优化、稀疏剪枝等）、生成对齐算法（DPO\RLHF等）。
工作年限（官方顶部字段）
两年以上工作经验
官方重要事项
1.在Kaggle等比赛获奖者优先、在ICML/NeurIPS/CVPR/ECCV/ICCV等发表论文优先、有开源框架核心算法贡献者优先（如HuggingFaceDiffusers优化）；
2.熟悉HuggingFace Transformers、vLLM、SGLang等大模型推理框架者优先；
3.熟悉高性能计算、熟悉CUDA/AI芯片编程、并行策略（如模型并行、流水线并行等），了解NVLINK、GPU通信者优先。

---
opening_id: de7a2497-d585-4545-9139-ce3e448b96bf

`anm openings save --id de7a2497-d585-4545-9139-ce3e448b96bf`