Over de functie
Evalueer de kwaliteit, juistheid en volledigheid van ontwikkeltaken voor GPU-/accelerator-kernels die worden gebruikt om de modellen van een frontier-AI-lab te trainen en te evalueren. U beoordeelt numerieke juistheid, eerlijkheid van prestatiebenchmarks, taakafbakening en compilatie-/runtime-validiteit bij uiteenlopende soorten kerneltaken — en geeft duidelijke, op rubrics gebaseerde schriftelijke feedback.
Basiskwalificaties
- 3+ jaar praktische ervaring met het ontwikkelen, optimaliseren of verifiëren van GPU-/accelerator-kernels in ten minste twee van: CUDA, Triton, NKI of Pallas (JAX)
- Gedegen begrip van criteria voor numerieke juistheid van kernels (absolute/relatieve/ULP-toleranties, keuze van referentie-implementatie)
- Aantoonbare ervaring met prestatieprofilering en benchmarking (nsight, ncu, roofline-analyse of framework-eigen profilers)
- Vertrouwdheid met veelvoorkomende compilatie- en runtimefaalmodi (driver-mismatches, OOM, fouten in de launch-configuratie, shape-/stride-mismatches, autotuning-fouten)
- Ervaring met ten minste drie soorten kerneltaken: generatie op basis van een specificatie, vertaling/lowering tussen frameworks, migratie tussen hardwaredoelen, debugging, prestatieoptimalisatie of operatorfusie
Gewenste kwalificaties
- Ervaring in zowel NVIDIA-GPU-ecosystemen (CUDA/Triton) als ecosystemen voor custom accelerators (NKI/Pallas/TPU)
- Achtergrond in compiler-engineering, MLIR of lowering van tussenrepresentaties
- Begrip van optimalisatie van de geheugenhiërarchie (shared-memory tiling, registerdruk, bankconflicten, coalescing-patronen)
- Bijdragen aan kernelbibliotheken (cuBLAS, cuDNN, Triton-communitykernels, JAX/XLA custom calls)