美团
实习机器学习引擎项目实习生
北京/上海 · 实习 · 不限
长期有效
任职要求
- 1、具备良好的计算机基础素养和分析解决问题的能力，熟练掌握C++或Python；
- 2、学习能力强，对机器学习系统优化有技术热情，富有极客精神；
- 3、熟悉常见机器学习、深度学习算法，熟悉TensorFlow/PyTorch/TorchRec等深度框架代码的优先；熟悉Megatron/DeepSpeed/vllm/TensorRT-LLM/LMDeploy/SGLang等大模型框架的优先；
- 4、熟悉GPU、NPU硬件架构，熟练使用CUDA、Triton、NCCL、RDMA编程的优先；
- 5、有分布式系统、高性能计算实际项目经验的优先；
- 6、有MLSys论文发表或者开源项目代码贡献的优先。
岗位描述
【岗位职责】
负责搜推CTR模型和LLM大模型的训练&推理框架的建设和优化。工作内容包括但不限于：
- 1、基于PyTorch+TorchRec，打造生成式推荐（GR）Infra，支持推荐大模型的迭代；
- 2、综合运用并行训练策略优化、编译器优化、kernel优化、Embedding压缩等手段，支持CTR模型高效进行scaling law的探索验证；
- 3、跟进业界LLM训练&推理优化的最新进展，不断提升LLM框架的性能，并在公司内部的多个业务场景下落地；
- 4、持续探索大模型轻量化推理相关工作（如低精度量化、稀疏化改造、投机采样等），在保证精度可靠的前提下进一步降低模型推理成本。
【任职要求】
- 1、具备良好的计算机基础素养和分析解决问题的能力，熟练掌握C++或Python；
- 2、学习能力强，对机器学习系统优化有技术热情，富有极客精神；
- 3、熟悉常见机器学习、深度学习算法，熟悉TensorFlow/PyTorch/TorchRec等深度框架代码的优先；熟悉Megatron/DeepSpeed/vllm/TensorRT-LLM/LMDeploy/SGLang等大模型框架的优先；
- 4、熟悉GPU、NPU硬件架构，熟练使用CUDA、Triton、NCCL、RDMA编程的优先；
- 5、有分布式系统、高性能计算实际项目经验的优先；
- 6、有MLSys论文发表或者开源项目代码贡献的优先。
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。