
AI基础设施系统性能工程师
为 CommonAI 的 AI 基础设施仿真设计可复现的实验和测量工具。 评估硬件与大语言模型服务性能,为英国投资决策提供依据。
描述
- 在硬件、软件组件以及端到端大语言模型服务系统上设计可复现的实验。
- 测试相关工作负载、配置和运行条件。
- 构建可重复使用的性能测量工具。
- 使用跟踪记录、性能剖析数据和计数器评估延迟、吞吐量、内存行为,以及在测量可靠时的功耗与能耗。
- 发现技术栈相关层级中的瓶颈、性能差异和意外行为。
- 记录工作负载、软件版本、配置和测量方法,以便复现实验。
- 与仿真和不确定性领域专家合作,选择能够解决关键未知问题的测量方法。
- 整理用于校准和验证仿真的数据。
- 协助设置实验控制项并操作集群控制界面。
- 与负责硬件的同事协调硬件访问和变更。
- 创建可复现的基准实验和测量数据集。
任职要求
- 具备评估真实计算系统的经验,并能设计有助于得出可靠结论的实验。
- 精通至少一个相关领域,例如加速器性能剖析、推理运行时、内存系统、分布式或高性能计算工作负载、网络或功耗与能耗测量。
- 能够使用合适的编程语言构建易于维护的自动化和分析工具。
- 能够学习不熟悉的性能剖析工具。
- 理解实验控制、可重复性、混杂因素和测量局限。
- 具备一些 AI 编码代理使用经验,并遵循可靠的调试和审查实践。
- 大语言模型服务经验以及对 Nsight、PyTorch Profiler 或系统和网络性能剖析工具的熟悉程度会有帮助,但并非必需。
- 欢迎来自英国任何地区的申请者。
- 相关研究生阶段学习经历会有帮助;经验和工作质量比学历资格更重要。
福利待遇
- 为英国 AI 能力建设作出贡献,并帮助确保投资和计算资源服务于公共利益。
- 与英国硬件中小企业、大型科技公司、风险投资和公共投资机构以及顶尖大学建立联系。
- 参与塑造一支不断壮大的团队,兼具初创公司的速度和紧密的学术联系。
- 使用前沿模型和编码代理,并获得充足的工具预算支持。
- 加入协作互助的工作环境。
- 为不断发展的组织作出重要贡献。
- 获得具有竞争力的薪酬方案,以及养老金和其他福利。
- 获得专业发展机会。
- 与科技和学术界有影响力的人士交流。
- 在充满活力的办公室工作,步行几分钟即可到达剑桥车站。
- 采用混合办公方式。
- 提供灵活的兼职和顾问合作安排。

