面壁智能
实习大模型训练优化实习生-Infra
北京 · 实习 · 2027 届 · 硕士
长期有效
任职要求
- 硕士在读，计算机、人工智能等相关专业，实习时间不少于 3 个月
- 理解 Transformer、MoE 等主流模型架构的基本原理
- 了解分布式训练基本概念，接触过 Megatron-LM、DeepSpeed、FSDP 中至少一种框架
- 了解常见并行策略（Tensor Parallel、Pipeline Parallel、Expert Parallel 等）的基本思路
- 熟练使用 PyTorch，有实际的模型训练经验
- 对大模型 RL 训练（RLHF/GRPO 等）有基本了解
- 学习能力强，具备良好的代码能力与问题排查意识。
- 加分项
- 有 MoE 模型训练或相关加速库使用经验
- 了解 Flash Attention、混合精度训练、Activation Checkpointing、ZeRO 等优化技术
- 有 CUDA/Triton 算子开发或 GPU 性能分析（Nsight、NCU 等）经验
- 有开源训练框架的源码阅读或贡献经验
- 有相关方向的论文阅读或复现经历。
岗位描述
- 1. 参与大模型预训练 Infra 框架的维护与迭代，协助保障训练系统的稳定性与可扩展性；
- 2. 参与 MoE 架构的训练优化工作，包括 Expert 并行、负载均衡、通信优化等方向；
- 3. 协助设计与优化并行策略（TP/PP/DP/EP/SP），提升大规模训练的吞吐量与资源利用率；
- 4. 配合算法团队，协助适配新模型架构至现有训练框架。
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。