蔚来
校招提前批-大模型推理框架工程师
深圳/合肥 · 校招 · 2027 届 · 硕士
长期有效
任职要求
- · 硕士及以上学历，计算机、AI、数学、信息、电子等相关专业
- · 熟悉Python，了解大模型Transformer基本工作原理
- · 具备良好的工程习惯（Linux、Git），学习能力强，能阅读英文技术资料。
- 加分项（非必需）
- · 有vLLM、SGLang等推理框架使用或二次开发经验
- · 有CUDA/Triton算子编写经历
- · 有LLM相关论文、开源项目或竞赛经历。
- 我们提供
- · 资深大佬1v1带教，拒绝放养
- · 真实业务场景 + 充足GPU/NPU资源，真实项目经验
- · 一群热爱技术的同龄人，一起卷技术。
岗位描述
我们做什么
在这里，你将参与自研大模型推理引擎从0到1的建设，亲手优化千亿/万亿级参数的模型推理性能，让每一次回答更快、更准、更省算力。你将接触真实业务场景，挑战AI Infra行业前沿问题。
岗位职责
- · 参与大模型推理引擎核心模块的设计与开发，增强功能和提升系统吞吐；
- · 探索并落地先进的大模型推理加速方案，跟进业界最新技术；
·· 跟踪开源社区（如vLLM、TensorRT-LLM、SGLang等）前沿动态，完成技术调研与验证。
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 算法 岗位的常见面试问题整理
请解释 Transformer 模型的自注意力机制（Self-Attention）
查看答题思路
1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖
你做过的最有深度的算法/模型项目是什么
查看答题思路
1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）
过拟合是什么？怎么判断和解决
查看答题思路
1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度
解释梯度下降的原理，SGD 和 Adam 的区别
查看答题思路
1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam
给你 10 万条未标注的文本数据，如何找出其中 10 个主题
查看答题思路
1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。