大模型平台研发工程师-Seed

优缺点分析

角色解读

• 逐步成长为AI平台架构师或大模型算法专家
• 可转向AI Infra团队负责人，管理平台开发团队
• 在字节跳动内部，有机会接触豆包等亿级用户产品，积累大规模系统经验
• 负责机器学习平台的开发，支撑算法生产与高效迭代
• 设计和实现机器学习相关的基础设施、框架和工具链，并推动落地到业务中
• 探索前沿机器学习技术，持续提升平台能力、降低算法使用成本
• 熟悉大模型和多模态技术，了解Agent和部署流程
• 精通Python或Go编程，具备良好的代码管理习惯
• 掌握深度学习框架（如PyTorch）和推理引擎（如VLLM），熟悉分布式系统组件

申请策略

• 在简历和面试中表达对AI技术的热情，关注字节AI产品动态
• 准备1-2个完整的项目案例，说明你在机器学习平台或大模型方面的贡献与思考
• 突出大模型相关项目经验，如参与过LLM微调、部署或平台开发
• 展示机器学习平台或工具链的开发经历，强调系统设计和落地能力
• 重点体现Python/Go项目代码质量，可附上GitHub链接
• 如有分布式系统（HDFS、Ray、消息队列）使用经验，务必提及
• 学习VLLM、Triton等推理优化框架，了解大模型部署最佳实践
• 补充Agent相关技术和自动评估方法，如RAG、Prompt Engineering

面试指南

• 对于项目类问题，采用STAR法则：背景、任务、行动、结果，突出量化成果
• 对于技术方案类问题，先阐述整体思路，再分模块深入，体现系统思维
• 结合字节实际场景（如豆包、火山引擎），提出有针对性优化点
• 请介绍你参与过的一个大模型相关项目，你在其中承担了什么角色？
• 如何优化大模型的推理性能？从哪些方面入手？
• 设计一个机器学习平台，需要考虑哪些核心组件？
• 在分布式训练中，如何解决数据同步和容错问题？
• 大模型的自动评估有哪些常见方法？如何设计评估 pipeline？