面向大模型推理的通用后端运行时系统研究-阿里星/A Star

岗位描述
1.负责面向大模型推理场景的通用后端运行时系统研究与架构设计，核心目标是构建引擎无关的系统层，统一管理推理进程状态、模型权重生命周期与GPU设备资源；
2.研究并优化推理进程的高效快照与恢复机制，在Linux CRIU基础上针对GPU推理进程进行深度定制，推动关键路径逼近PCIe/RDMA硬件带宽极限；
3.设计模型权重的跨进程、跨实例共享机制，支撑多模型混部、热升级、弹性扩缩容等生产场景下的零拷贝权重复用；
4.与百炼推理平台团队紧密协作，将后端运行时能力落地到模型上下线、故障恢复、跨可用区调度等真实业务链路，形成可量化的成本与弹性收益。

岗位要求
1.2027届毕业生，计算机科学、软件工程或相关专业，研究方向涉及操作系统、高性能计算或AI基础设施
2.扎实的系统编程能力，精通C/C++，对Linux内核机制（进程管理、内存管理、cgroup/namespace）有深入理解
3.熟悉以下至少一项：进程checkpoint/restore（如CRIU）、GPU编程与CUDA Runtime内部机制、容器/虚拟化技术、高性能I/O（RDMA/DMA/PCIe）、推理框架（如SGLang）、kvcache（如Mooncake）

加分项：
1.在OSDI/SOSP/EuroSys/ATC/ASPLOS/NSDI等系统顶会有论文发表；
2.有CRIU、Linux内核、GPU驱动或虚拟化相关的开源贡献经验；
3.熟悉LLM推理系统架构（vLLM/SGLang/TRT-LLM），理解推理进程的运行时行为特征；
4. 有GPU显存管理、CUDA VMM、Multi-Process Service等GPU系统层面的研发经验。