AI平台开发习生（深圳）-2027届-暑期实习

优缺点分析

角色解读

• 积累大模型系统工程实战经验，成长为AI平台核心工程师
• 可转向更深入的机器学习系统工程或AI研究员方向
• 在希音这样的大型国际化公司中，有机会参与高并发场景，拓宽技术视野
• 负责AI平台系统中大模型训练/推理等核心模块的研发与维护
• 针对高并发高吞吐场景进行性能优化，降低资源成本，提升系统效率
• 参与建设AI开发组件，支撑业务需求，打造高效、稳定的AI平台
• 扎实的C++和Python编程能力，熟悉服务端开发
• 数据结构和算法基础扎实，掌握操作系统、网络等计算机专业知识
• 了解大模型训练/推理原理，对GPU架构和CUDA有认知者优先

申请策略

• 关注希音的技术博客或开源项目，了解其技术栈和业务方向
• 提前准备一个与AI平台或性能优化相关的个人项目，展示动手能力
• 突出C++/Python项目经验，尤其是服务端高并发相关
• 强调算法与数据结构基础，展示解决复杂问题的能力
• 如有大模型、GPU优化或推理框架使用经历，务必重点呈现
• 学习主流推理框架如vLLM、TensorRT-LLM的内部原理
• 深入理解CUDA编程和GPU性能分析方法
• 熟悉分布式训练/推理的常用工具和框架

面试指南

• 对于原理问题：先清晰阐述核心概念，再结合实际例子加深理解
• 对于优化问题：遵循“分析瓶颈→设计方案→实施并验证结果”的步骤，强调数据驱动
• 对于编程题：先讨论边界条件和思路，再写代码，注意代码风格和正确性
• 请解释Transformer中自注意力机制的原理及计算过程
• 如何优化大模型推理的延迟和吞吐？请举例说明
• 描述一个你曾经优化过性能的系统，使用了哪些工具和策略？
• CUDA编程中，shared memory和global memory的区别是什么？如何优化访存？
• 编程题：实现一个LRU缓存，要求get和put操作平均时间复杂度O(1)