大模型Infra研发工程师（训练/推理）

北京/杭州/上海 · 校招 · 2027 届 · 本科

长期有效

前往官方投递页 →

任职要求

1. 本科及以上学历，计算机、人工智能、软件工程、数学相关专业优先；
2. 精通 C++/Python，具备卓越的工程实现能力；熟练掌握 PyTorch 或 TensorFlow，深入理解其内部机制及算子实现；
3. 熟悉 GPU 硬件架构及并行计算原理，掌握主流训练框架或推理框架；
4. 熟悉 Transformer 架构，对模型量化、蒸馏、剪枝或算子优化（CUDA/Triton）中的某一项有深入研究或实践经验。
5. 具备极佳的逻辑分析能力和数理基础，对前沿问题有持续热情，能适应快节奏的研发环境，具有跨学科协作意识。
【加分项】
1. 科研影响力：在 NeurIPS, ICLR, ICML, ACL, OSDI, SOSP 等计算机顶会以第一作者发表过论文；
2. 深度参与过主流 MLSys 相关开源项目（如 vLLM, OpenRLHF, Megatron 等）的开发或在 ACM/ICPC、Kaggle 等竞赛中获得过顶尖名次。

岗位描述

1. 负责大模型全链路训练优化，攻克 Scaling Law 过程中的分布式性能瓶颈，提升 MFU（算力利用率）和训练稳定性，保障万亿级参数模型的交付；
2. 设计并研发领先的推理引擎，包括但不限于算子融合、动态图优化、量化压缩（FP8/INT4）、高效 CUDA 算子开发等，降低模型在线时延与计算成本；
3. 针对特定业务场景，进行软硬件联合优化，实现从预训练、SFT、RLHF 到模型部署的端到端技术突破。
1. 本科及以上学历，计算机、人工智能、软件工程、数学相关专业优先；
2. 精通 C++/Python，具备卓越的工程实现能力；熟练掌握 PyTorch 或 TensorFlow，深入理解其内部机制及算子实现；
3. 熟悉 GPU 硬件架构及并行计算原理，掌握主流训练框架或推理框架；
4. 熟悉 Transformer 架构，对模型量化、蒸馏、剪枝或算子优化（CUDA/Triton）中的某一项有深入研究或实践经验。
5. 具备极佳的逻辑分析能力和数理基础，对前沿问题有持续热情，能适应快节奏的研发环境，具有跨学科协作意识。

【加分项】

1. 科研影响力：在 NeurIPS, ICLR, ICML, ACL, OSDI, SOSP 等计算机顶会以第一作者发表过论文；
2. 深度参与过主流 MLSys 相关开源项目（如 vLLM, OpenRLHF, Megatron 等）的开发或在 ACM/ICPC、Kaggle 等竞赛中获得过顶尖名次。

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

登录后分析我的简历

该岗位可能会问的问题

基于数据岗位的常见面试问题整理

请解释数据仓库的星型模型和雪花模型的区别

类型专业能力·难度中等

查看答题思路

1. 星型：事实表在中间，维度表直接关联，维度表非规范化（有冗余） 2. 雪花：维度表进一步规范化，减少冗余但增加 join 次数 3. 选择：星型查询快（join 少），雪花存储省，一般生产用星型更多

如何设计一个埋点体系来追踪用户行为

类型情景/案例·难度中等

查看答题思路

1. 确定业务目标：留存/转化/活跃 2. 定义事件：页面浏览/点击/曝光/转化，每个事件带属性 3. 技术栈：前端 SDK 上报 → Kafka → Flink 实时清洗 → ClickHouse/Hive 存储 4. 数据分层：ODS（原始）→ DWD（明细）→ DWS（汇总）→ ADS（应用） 5. 质量：埋点测试 + 数据校验 + 异常告警

SQL：有一个用户登录表 user_login(user_id, login_date)，查询连续登录超过 7 天的用户

类型专业能力·难度困难

查看答题思路

1. 思路：用 login_date 减去排名序号（ROW_NUMBER），同组连续日期差值相同 2. 关键 SQL：SELECT user_id, login_date-ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY login_date) AS grp 3. GROUP BY user_id, grp HAVING COUNT(*) >= 7 4. 强调：理解窗口函数和连续性问题的一般解法

你做过最有价值的数据分析项目是什么

类型项目经历·难度中等

查看答题思路

1. 业务背景：分析什么、为什么重要 2. 数据来源和量级 3. 分析方法：用了什么模型/统计方法 4. 核心发现：一句话说清洞察 5. 业务影响：做了什么决策、带来了什么改变（用数字）

解释 A/B 测试的原理和常见陷阱

类型专业能力·难度简单

查看答题思路

1. 原理：分流用户到对照组和实验组，对比核心指标差异 2. 统计基础：假设检验，p<0.05 表示差异显著 3. 陷阱：样本量不足、运行时间太短（未覆盖周期波动）、多重比较（同时做多组 A/B 需修正显著性水平） 4. 指标选择：北极星指标优先，避免虚荣指标

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。

前往官方投递页 →