职位描述
1. 依据已明确的接口、计算语义和支持条件，实现目标模型所需的矩阵乘、Attention、归一化、激活、状态更新及视觉语音算子。
2. 面向NPU及RISC-V/RVV实现算子计算与数据搬运，处理Shape、Stride、布局、对齐、尾块及边界输入，协同完善CPU回退配套实现。
3. 实现FP16及低比特权重计算所需的数据解释、解码和反量化，检查累加、舍入、饱和及量化参数一致性。
4. 分析算子计算量、访存量和执行记录，通过分块、向量化、布局、融合或流水优化减少开销，在固定条件下验证收益。
5. 编写独立参考、数值及边界用例，完成仿真与适用设备上的精度和性能自测，定位错误结果和性能退化。
6. 维护算子实现、支持条件、编译产物和验证记录，参与框架与Runtime联调；复杂融合及公共接口调整参与方案评审后实施。任职要求
1. 计算机、电子、数学或相关专业本科及以上学历，1年及以上相关研发经验，重点面向1–3年经验工程师。
2. 掌握C/C++和基本数据结构，能够独立实现、调试和测试数值计算代码，具备Python编写参考与分析脚本的能力。
3. 理解矩阵运算、常见Tensor操作和Transformer基本计算，能核对Shape、数据类型、输入输出及边界条件。
4. 理解缓存、片上存储、带宽、数据对齐与向量化的基本影响，能针对一个具体算子提出并验证性能优化。
5. 具备CPU SIMD、CUDA、Triton、Ascend C、DSP或NPU编程中的至少一种实践；能够阅读汇编、生成代码或性能记录进行定位。
6. 理解浮点误差和量化基础，能够建立独立参考与容差测试，保留可复现输入、执行配置及优化前后结果。
加分项
1. 有RVV、ARM NEON、NPU自定义指令或加速器算子开发经验。
2. 有GEMM、Attention、W4A16/W8A16或融合算子的具体优化项目。
3. 有算子库、框架后端或单算子测试工具的代码贡献，能够清楚说明个人实现及测量结果。
