资深研发工程师

优缺点分析

角色解读

• 技术深度方向：成为大模型训练专家，主导模型架构设计或训练算法创新
• 技术管理方向：晋升为技术Lead，带领团队负责完整大模型训练链路
• 业务应用方向：结合网约车业务场景，推动大模型在智能调度、客服等领域的落地
• 负责百亿/千亿参数大语言模型的预训练、SFT和强化学习全流程开发，核心是模型训练效率与质量
• 使用Megatron-LM/Deepspeed等框架进行分布式训练加速，优化内存和资源利用率
• 排查训练中的技术难题，如收敛困难、梯度异常、MFU偏低等，确保训练稳定
• 与团队协作推进模型迭代，提升模型在网约车场景下的表现
• 扎实的编程基础，精通C++/Python，熟悉PyTorch及分布式训练框架
• 深入理解Transformer架构及主流大模型（GPT、LLaMA等），有实际训练经验
• 掌握性能分析工具（如Nsight System），能定位并解决训练瓶颈
• 熟练使用AI Coding工具，具备通过提示词工程提升工作效率的能力

申请策略

• 建议提前了解滴滴出行在大模型方面的业务应用（如网约车智能调度），面试中展示业务理解
• 关注滴滴技术博客或开源项目，体现对公司的关注和热情
• 突出大模型预训练/微调/强化学习的项目经验，说明模型规模、框架和优化方法
• 展示分布式训练性能优化的成果，如MFU提升、训练时间缩短等量化指标
• 开源贡献或相关论文是加分项，务必在简历中提及
• 强调AI Coding工具使用经验，体现学习敏捷性
• 若缺乏RLHF经验，可自学Verl或类似框架，并动手实践一个小模型
• 熟悉Nsight System等性能分析工具，了解常见性能瓶颈和优化技巧

面试指南

• STAR法则：Situation - Task - Action - Result，用具体项目实例展示解决问题的能力
• 技术对比：先概述两种技术的原理和适用场景，再结合项目需求说明选择理由
• 问题排查：从现象入手，列举可能原因，逐步诊断并验证解决方案
• 请描述你参与过的大模型训练项目，如何优化训练效率？
• 训练中遇到过梯度异常或收敛困难吗？如何排查和解决的？
• Megatron-LM和Deepspeed有哪些区别？你在项目中如何选择？
• 什么是MFU？影响MFU的主要因素有哪些？如何提升？
• 你如何看待AI Coding工具在研发中的角色？举例说明如何用提示词工程提升效率