多模态算法工程师（audio方向）

优缺点分析

角色解读

• 可向多模态算法系统架构师发展，成为训推框架领域的专家
• 也可深入音频多模态算法研究，结合游戏AI场景探索创新应用
• 在大厂平台积累大规模分布式系统经验后，有机会晋升为技术负责人或团队领导
• 负责多模态训练推理框架（如vLLM、VERL）的系统设计与极致优化，针对音频场景定制开发分布式强化学习框架
• 确保系统在音频/多模态场景下的高可扩展性和稳定性，解决大规模训练中的工程挑战
• 与算法研究团队紧密协作，进行算法与系统的联合优化，推动超大规模训练方案落地
• 深入理解Transformer架构，具备LLM或多模态大模型的大规模分布式训练经验
• 熟练运用VERL、TRL、vLLM、SGlang等主流训推框架，并有RL训练系统性能调优的实战成果
• 跨时区团队协作能力强，沟通顺畅，自驱力强，结果导向

申请策略

• 提前了解米哈游在AI领域的布局（如游戏NPC、语音交互等），在面试中展示对业务场景的理解
• 准备一个完整的项目案例，涵盖从问题分析、方案设计到最终效果的全过程，突出工程思考
• 突出大规模分布式训练项目经验，尤其是涉及vLLM或VERL框架的优化案例
• 强调RL训练系统性能调优的具体成果，如加速比、资源利用率提升等量化指标
• 展示对Transformer架构的深入理解，包括底层原理和工程优化实践
• 提及跨团队协作和跨时区沟通的经验，体现自驱力和结果导向
• 深入学习vLLM、VERL等框架的源码，掌握其核心调度和优化机制
• 补充音频信号处理基础知识，了解音频特征提取和多模态融合常见方案

面试指南

• 针对性能优化问题：从问题定位（profiling）、瓶颈分析、优化策略（如算子融合、通信压缩）、效果验证四步回答
• 针对项目经验：采用STAR法则（情境、任务、行动、结果），量化结果指标
• 针对跨时区协作：强调异步沟通、明确文档记录、定期同步会议等实践
• 如何优化vLLM在音频多模态推理场景下的性能？
• 描述一次分布式训练中遇到的内存瓶颈，你是如何诊断和解决的？
• 音频Transformer与文本Transformer在架构设计上有哪些关键差异？
• 在RL训练中，如何平衡采样效率与模型收敛稳定性？
• 请谈谈你对跨时区协作的经验，如何确保沟通效率？