算法-工程协同优化：与算法研究员协同工作，分析模型在训练与推理阶段的性能瓶颈，从系统-算法协同角度提出改进方案（例如：MoE架构设计、MoE路由剪枝、动态稀疏Attention等）
主导或参与量化方案（量化感知训练QAT/训练后量化PTQ）的设计与实施，保障低比特下的模型质量
主导或参与Diffusion模型步数蒸馏工作，将业界前沿的加速技术（如一致性模型、渐进式蒸馏）落地到生产环境
跟踪并评估业界最新优化技术（如SparseAttention、SelfForcing、高效MoE推理等），将其引入到团队，并深度参与模型设计与算法迭代
参与硬件选型评估，为算法设计提供底层硬件特性与性能约束输入
2. 推理引擎与系统开发：基于vLLM / Sglang / TensorRT-LLM等框架进行深度定制与优化，开发高性能推理引擎
设计与实现动态批处理、持续批处理、流水线/张量并行等高级推理服务与调度策略
通过计算图优化、算子融合、内存布局优化及定制算子开发，极致挖掘特定硬件（NVIDIA GPU/国产AI芯片）的算力潜能