快手
多模态大模型量化研究专家-【可灵AI】
多模态大模型量化研究专家-【可灵AI】
发布于 37 分钟前普通员工/个人贡献者
全职员工仅现场办公AI算法
AI算法
Ai算法
Cuda
Gptq
Llm
模型量化
高性能计算
值不值得投
78综合评分
综合评分 78
顶尖大厂核心AI算法岗，技术前沿极具挑战性，薪资优厚但工作强度可能较大
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
9.0万
比AI算法中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 2840 个在招
市场机会
选择面较广
北京 · AI算法 · 约 150 个在招
职位详情
关于这个职位
负责面向LLM和DiT等Transformer类模型的低比特量化研究（如NV-FP4/INT4），通过数值分析与软硬协同优化，在无损生成质量的前提下提升推理效率
需结合GPU硬件特性设计量化方案并实现Kernel原型验证，将算法收益转化为实测加速
最低要求
硕士及以上学历
熟悉 Transformer 结构及其变种，熟悉 GPTQ、AWQ、SmoothQuant、QuaRot 等主流量化方法，了解 INT / FP8 / FP4 / MX 等各种数制的特点和取舍
数理要求：熟练掌握线性代数、概率论和矩阵论，擅长数值分布分析和误差归因
熟练使用 Triton，掌握 CUDA，能独立实现量化 kernel 原型并做性能分析
有较强的自驱力和学习力，对大模型压缩加速有强烈的兴趣
工作职责
负责Transformer 量化，面向 LLM 和 DiT 等 Transformer 类模型，探索 NV-FP4 / MXFP4 / INT4 等低 bit 精度的 PTQ / QAT 和 KV-cache 量化，在提升推理效率的同时保证模型效果和生成质量无损
负责数值分析与数制设计，从矩阵谱结构和数值分布的角度分析量化误差的来源，比如 outlier、massive activation、timestep 分布漂移
在此基础上设计 rotation、smoothing、低秩补偿等等价变换，并为不同模块选择最优的数制和 scale 粒度
软硬协同，结合 GPU 的硬件特性设计量化方案，用 kernel 原型做验证，比如低比特 GEMM、量化 Attention、Softmax / Norm 融合
目标是让算法收益真正转化为实测加速
AI 洞察
优缺点分析
优点
- 处于AI前沿核心技术领域，技术壁垒高，个人竞争力强
- 依托快手平台，拥有海量数据和算力资源支持落地
- 技术迭代极快，需要持续跟进最新论文和SOTA方法
- 软硬协同优化难度大，需兼顾算法效果与硬件性能
- 适合对底层算法和系统优化有浓厚兴趣、具备极强数理基础和工程落地能力的资深AI研究员或工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向AI基础设施架构师、首席科学家方向发展，或在模型压缩领域成为行业权威专家
- 专注于大语言模型（LLM）和扩散模型（DiT）的低比特量化技术研究，旨在降低模型存储和计算成本
- 深入理解Transformer架构及量化算法（如GPTQ/AWQ），具备扎实的数学功底（线性代数/矩阵论）
申请策略
- 准备详细的项目案例，展示如何通过量化技术显著提升模型推理速度或降低显存占用
- 突出在模型量化、稀疏化或剪枝方面的具体研究成果，特别是涉及LLM或DiT的经验
- 强化CUDA编程能力和Triton使用技巧，深入理解GPU硬件架构对算子优化的影响
面试指南
- 采用STAR法则（情境、任务、行动、结果）描述过往项目，重点阐述技术选型的理由、遇到的挑战及最终的量化指标提升
- 请详细介绍你熟悉的几种主流量化方法（如GPTQ, AWQ）的原理及优缺点
- 如何分析量化过程中的误差来源？请举例说明Outlier的影响及处理策略
- 在使用Triton编写自定义算子时，有哪些性能优化的关键点？
- 针对KV Cache的量化，你有什么见解或解决方案？
- 复习线性代数和矩阵论基础知识，阅读最新的量化相关顶会论文（如NeurIPS, ICLR），准备CUDA/Triton代码演示
职位点评
薪资福利90
成长发展95
工作生活40
使命价值70
薪资福利
90较高
作为已上市的互联网巨头，提供极具竞争力的薪酬包和完善的福利体系，满足高收入预期。
薪资信号未披露（AI估算：6.0千–12.0万/月）
成长发展
95较高
岗位聚焦于AI最前沿的大模型量化技术，技术栈先进，成长空间巨大，能满足极高的专业发展需求。
技术前沿前沿/新兴技术
技术栈Transformer、LLM、DiT、NV-FP4、MXFP4、INT4、PTQ、QAT、KV-cache、GPTQ、AWQ、SmoothQuant、QuaRot、Triton、CUDA
业务类型profit_center
工作生活
40较低
互联网大厂核心研发岗通常工作节奏较快，JD未提及弹性工作制，可能面临较高的工作压力。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
70中等
通过技术优化降低大模型运行成本，促进AI技术的普及和应用，具有一定的社会价值和技术使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
快手 的其他在招职位
相似职位推荐
大模型算法专家（贷后服务方向）
美团 · 上海市
AI 估算 · 4.0–7.0万30 分钟前发布
AI全栈开发工程师
联想 · 北京市
AI 估算 · 4.0–7.0万32 分钟前发布
AI Migration Engineer
汇丰 · 广州市
AI 估算 · 2.5–4.5万1 小时前发布
Industrial Engineering ES
德科斯米尔 · 沈阳市
AI 估算 · 2.0–3.5万1 小时前发布
资深软件开发工程师
滴滴出行 · 杭州市
AI 估算 · 3.5–6.0万1 小时前发布
集团安全部-内容安全大模型算法-商品合规大模型（杭州）
阿里巴巴 · 杭州市
AI 估算 · 3.0–5.0万1 小时前发布
研究型实习生 - 大规模LLM模型训练优化研究项目
阿里巴巴 · 北京市
AI 估算 · 8.0千–1.5万1 小时前发布
智能控制工程师 （AI方向）-（混凝土机械公司）
中联重科 · 长沙市
AI 估算 · 1.8–3.0万3 小时前发布
Watch Jobs