美团
校招【LongCat大模型人才校招】基座大模型工程架构专家
北京/上海 · 校招 · 2027 届 · 本科
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PyTorch框架和TVM/MLIR等编译优化技术的优先。
- 4.熟悉GPU、NPU硬件架构，熟练使用CUDA，NCCL，RDMA编程的优先。
- 5.熟悉机器学习、深度学习算法，希望从事工程架构方向的优先。
- 6.有分布式系统、高性能计算实际项目经验的优先。
- 7.有开源项目贡献代码者优先。
- 8.有在OSDI、MLSys、NIPS、KDD、ICML等会议或期刊中有论文发表者优先。
岗位描述
【岗位职责】
- 1.面向多种算力硬件和高性能网络设计分布式训练架构，包括样本IO优化、计算图编译与执行、多维度并行策略、多模型交互流程等，支持万亿参数模型在几万张GPU集群高效稳定训练，实现多种模态的基座和推理模型的高效稳定训练。
- 2.面向多种算力、网络环境和应用场景，设计并实现高性能的模型推理架构，应用量化、剪枝等模型压缩方法，持续降低推理成本。
- 3.通过手工优化方法,对特化模型子结构和硬件设备上实现SOTA性能，持续迭代基于编译的优化方案，提升通用优化的适用性、优化效果以及对新硬件的覆盖能力。
- 4.管理及优化全公司算法团队硬件资源，通过算法预估与启发式策略，对全公司万级别节点的大规模GPU/CPU集群构建精细化调度服务能力，持续提升资源使用效率。
【为什么是我们】
- 1.业界前列的算力规模，海量数据和丰富的应用场景，挑战与机遇并存。
- 2.协同算法团队深度参与大模型项目，Codesign设计并训练行业领先的大模型。
- 3.从数据规模、集群体量、算法和业务复杂度多个维度提供了技术挑战和锻炼发展的机会，个人成长速度快。
- 4.追求卓越和鼓励创新的团队氛围。
【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PyTorch框架和TVM/MLIR等编译优化技术的优先。
- 4.熟悉GPU、NPU硬件架构，熟练使用CUDA，NCCL，RDMA编程的优先。
- 5.熟悉机器学习、深度学习算法，希望从事工程架构方向的优先。
- 6.有分布式系统、高性能计算实际项目经验的优先。
- 7.有开源项目贡献代码者优先。
- 8.有在OSDI、MLSys、NIPS、KDD、ICML等会议或期刊中有论文发表者优先。
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。