Deep Learning Performance Architect, CUTLASS DSL Testing

优缺点分析

角色解读

• 向高级测试架构师方向发展，主导更大范围的GPU软件质量体系
• 横向拓展至编译器、高性能计算等相邻领域，成为全栈GPU软件专家
• 在英伟达内部可转岗至编译器开发、算子优化等核心研发岗位
• 开发和迭代CUTLASS DSL的测试框架，确保GPU编译器（MLIR）和算子代码的正确性
• 设计并执行产品测试策略，推动自动化测试、代码覆盖率和回归检测流程
• 与多个团队（如编译器、算子开发）协作，验证每次代码变更的质量
• 确保开源产品随时可发布，维护高质量的持续集成流程
• 精通Python及脚本编程，能编写测试框架和自动化工具
• 扎实的软件测试理论，熟悉GPU环境的自动化测试（如正确性、覆盖率、回归）
• 良好的沟通能力，能跨团队协作推动质量改进
• 对AI agent技术或开源项目QA有了解更佳

申请策略

• 在简历和面试中突出对质量体系的系统性思考，而不仅仅是测试执行
• 了解英伟达开源项目（如CUTLASS, TensorRT-LLM），提前试用并反馈改进建议
• 突出Python测试框架开发经验（如pytest, unittest）和自动化CI/CD搭建
• 展示GPU相关项目经验，特别是CUDA、TensorRT或编译器测试
• 强调代码覆盖率和回归检测的实际案例及量化结果
• 如有开源项目贡献或AI agent经验，单独列出
• 学习MLIR和LLVM的基础知识，了解编译器测试方法
• 熟悉CUTLASS库的底层原理，能编写自定义算子测试

面试指南

• STAR法则：情境→任务→行动→结果，特别强调量化结果（如覆盖率提升X%，回归检测时间缩短Y%）
• 系统思维：从测试金字塔（单元/集成/E2E）角度阐述测试策略，体现层次性
• 技术深挖：对GPU相关术语（如warp, shared memory）要准确，展示底层理解
• 请描述你如何为GPU软件设计一个自动化测试框架？
• 如何检测代码改动引入的性能回归？举例说明
• 你对MLIR或编译器测试有什么了解？
• 如何处理跨团队协作中的测试优先级冲突？
• 请解释CUTLASS DSL中一个典型算子的测试覆盖策略