Job Description
职位介绍
我们正在寻找一位兼具 Agent Infra 与 GPU Kernel 技术背景 的工程师,负责建设并持续完善内部的 Agentic GPU Kernel Generation Harness——一套支持 Agent 自动完成 GPU Kernel 生成、编译执行、正确性验证、性能分析和迭代优化的研发与评测平台。
岗位以 Harness 和基础设施建设 为核心。你需要打通从任务输入、代码生成到硬件实测的完整流程,为 Agent 提供稳定、高效、可复现的工具链与运行环境,持续提升生成 Kernel 的正确率、性能和研发效率。
工作地点:
工作职责
- 设计并完善面向 GPU Kernel 生成的 Agent Harness,构建覆盖 代码生成、编译执行、正确性校验、性能评测和迭代优化 的端到端流程。
- 为 Agent 设计和实现标准化工具接口,支持代码编辑、编译、运行、调试、Profiling、结果查询及失败诊断。
- 建设 Kernel 任务与 Benchmark 体系,包括算子定义、测试数据、参考实现、数值容差、性能基线及结果管理。
- 优化 Agent 的多轮迭代闭环,将编译错误、数值误差、性能指标和 Profiling 数据转化为结构化反馈,帮助 Agent 定位问题并改进生成结果。
- 支持候选 Kernel 的自动生成、筛选、对比和调优,并探索执行经验与优化经验的沉淀和复用。
- 建设稳定、可扩展的执行与实验基础设施,包括任务隔离、并发执行、资源调度、缓存、日志追踪和结果复现。
- 建立并持续跟踪 Harness 的核心指标,如任务成功率、正确率、性能达成率、迭代次数及端到端运行成本。
- 与模型、Agent、编译器和 Kernel 团队协作,推动 Harness 在真实研发与评测任务中的应用。
任职要求
- 计算机、电子工程、数学或相关专业背景,具备扎实的编程与系统设计能力。
- 熟练掌握 Python 和 C++,有复杂工具链、研发平台或基础设施项目的开发经验。
- 熟悉 GPU 编程与性能优化,具备 CUDA、Triton 或其他 GPU Kernel 技术栈 的实际开发经验。
- 理解 Kernel 正确性验证和性能评测中的关键问题,包括数值误差、边界条件、输入分布、Warm-up、计时方法及硬件状态对结果的影响。
- 熟悉 LLM Agent 的基本开发方式,包括 Tool Calling、上下文管理、结构化输出、执行反馈和自动评测。
- 具备优秀的 Debugging 能力,能够定位跨越 Agent、编译器、运行时和硬件执行环境的复杂问题。
- 具备良好的沟通协作能力,能够与不同技术背景的工程师和研究人员共同推进项目。
加分项
- 有 GPU Kernel 自动生成、自动调优或编译优化相关经验。
- 熟悉 CUTLASS、TVM、MLIR、LLVM 或 Triton Compiler 等技术。
- 有 Code Agent、SWE Agent、Agent Evaluation Harness 或相关基础设施建设经验。
- 熟悉 Nsight Compute、Nsight Systems、rocProf 等性能分析工具。
- 有大规模 Benchmark、分布式任务调度、沙箱执行或 CI/CD 系统建设经验。
- 在 Kernel 优化、编译器、AI Infra 或 Agent 方向有高质量开源项目、论文或竞赛成果。