主分类：AI训练推理与计算优化
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "大模型平台策略推理优化工程师（J97422）",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "ACG",
"location": "北京市",
"work_mode": "未披露",AI生成
"job_category": "技术"AI生成
},
"company": {
"company_name": "百度",
"company_industry": "互联网 / 人工智能",
"company_size": "10000人以上",
"company_website": "baidu.com",
"company_description": "百度围绕搜索发展人工智能技术，业务涉及语音、图像、知识图谱、自然语言处理、自动驾驶和AI芯片。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "-教育背景： 计算机、人工智能等相关专业本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "-负责千帆MaaS平台级推理降本与效率优化策略设计与落地，并支持定制化推理性能优化\n-负责量化、投机推理（MTP / speculative decoding / Eagle）等训练–推理协同优化方案的设计与落地\n-负责建设大模型推理性能评测与收益评估体系\n-前沿技术落地：调研并落地大模型推理多维度优化技术，包括但不限于模型量化（INT4/INT8/FP8，含PTQ/QAT两种方式）、MTP投机推理优化、结构化剪枝与稀疏化等，持续提升推理效率与资源利用率，降低部署成本。",
"requirements_text": "-教育背景： 计算机、人工智能等相关专业本科及以上学历。\n-编程功底： 熟练掌握 Python、 PyTorch，具备扎实的数据结构与算法基础，具备良好的工程实现能力。\n-大模型经验：熟悉 Transformer 模型结构与推理流程（prefill / decode / KV cache / attention），理解推理性能瓶颈及其与训练策略（量化、蒸馏、MTP）的关联\n-加分项\n -参与过 vLLM / SGLang / TensorRT-LLM 等推理系统优化\n -有量化感知训练（QAT）或 MTP 训练 实践经验\n -熟悉 EAGLE / Medusa / MTP variants（如DeepSeek MTP、MiMo MTP） 等投机推理或高效推理方案\n -有大规模线上推理服务优化经验",
"skills": [AI生成
"Python",
"PyTorch",
"数据结构",
"大语言模型"
],
"preferred_qualifications": "加分项",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.baidu.com/jobs/detail/SOCIAL/ec20ec64-6182-4d64-9790-2348702a9e55"
}
]
},
"posting": {
"posting_id": "ec20ec64-6182-4d64-9790-2348702a9e55",
"post_date": "2026-02-10",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.baidu.com/jobs/detail/SOCIAL/ec20ec64-6182-4d64-9790-2348702a9e55"
},
"fulltext": "大模型平台策略推理优化工程师（J97422）\n大模型平台策略推理优化工程师（J97422）\n\n基础信息\n部门：ACG\n地点：北京市\n类别：技术\n招聘人数：2\n发布时间：2026-07-21\n\n工作职责\n-负责千帆MaaS平台级推理降本与效率优化策略设计与落地，并支持定制化推理性能优化\n-负责量化、投机推理（MTP / speculative decoding / Eagle）等训练–推理协同优化方案的设计与落地\n-负责建设大模型推理性能评测与收益评估体系\n-前沿技术落地：调研并落地大模型推理多维度优化技术，包括但不限于模型量化（INT4/INT8/FP8，含PTQ/QAT两种方式）、MTP投机推理优化、结构化剪枝与稀疏化等，持续提升推理效率与资源利用率，降低部署成本。\n\n职责要求\n-教育背景： 计算机、人工智能等相关专业本科及以上学历。\n-编程功底： 熟练掌握 Python、 PyTorch，具备扎实的数据结构与算法基础，具备良好的工程实现能力。\n-大模型经验：熟悉 Transformer 模型结构与推理流程（prefill / decode / KV cache / attention），理解推理性能瓶颈及其与训练策略（量化、蒸馏、MTP）的关联\n-加分项\n -参与过 vLLM / SGLang / TensorRT-LLM 等推理系统优化\n -有量化感知训练（QAT）或 MTP 训练 实践经验\n -熟悉 EAGLE / Medusa / MTP variants（如DeepSeek MTP、MiMo MTP） 等投机推理或高效推理方案\n -有大规模线上推理服务优化经验\n-负责千帆MaaS平台级推理降本与效率优化策略设计与落地，并支持定制化推理性能优化\n-负责量化、投机推理（MTP / speculative decoding / Eagle）等训练–推理协同优化方案的设计与落地\n-负责建设大模型推理性能评测与收益评估体系\n-前沿技术落地：调研并落地大模型推理多维度优化技术，包括但不限于模型量化（INT4/INT8/FP8，含PTQ/QAT两种方式）、MTP投机推理优化、结构化剪枝与稀疏化等，持续提升推理效率与资源利用率，降低部署成本。\n-教育背景： 计算机、人工智能等相关专业本科及以上学历。\n-编程功底： 熟练掌握 Python、 PyTorch，具备扎实的数据结构与算法基础，具备良好的工程实现能力。\n-大模型经验：熟悉 Transformer 模型结构与推理流程（prefill / decode / KV cache / attention），理解推理性能瓶颈及其与训练策略（量化、蒸馏、MTP）的关联\n-加分项\n -参与过 vLLM / SGLang / TensorRT-LLM 等推理系统优化\n -有量化感知训练（QAT）或 MTP 训练 实践经验\n -熟悉 EAGLE / Medusa / MTP variants（如DeepSeek MTP、MiMo MTP） 等投机推理或高效推理方案\n -有大规模线上推理服务优化经验",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}