【快Star】多模态生成模型计算效率优化工程师-【可灵AI】

1、高效Attention设计: 探索新一代注意力实现机制, 包括但不限于: Sparse/Quant-Attention, Linear-Attention, Mamba等, 破除 Attention 计算平方复杂度限制, 推进新一代大模型推理极限； 2、量化加速: 探索NV-FP4 / INT4 等低bit 精度的量化后训练(QAT) 和KV-cache 压缩, 优化模型计算效率的同时保证模型的效果无损； 3、投机推理: 致力于提升Auto-Regressive 模型的生成效率, 利用draft-verify 机制实现低成本token 生成，追求极致的接收率和突破更高的接收长度。