字节跳动
机器学习编译优化工程师-Seed
机器学习编译优化工程师-Seed
发布于 大约 17 小时前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
学历未注明
性能优化
GPU优化
深度学习框架
ML编译器
XLA
MLIR
CPU优化
TVM
计算图优化
AI 估算 · 35k–55k
市场稀缺的AI编译优化岗位，字节跳动薪酬竞争力强，技能难度高，高级工程师薪资处于行业领先水平。
职位详情
关于这个职位
该职位是字节跳动Seed团队的核心技术岗位，负责AI编译器的设计与优化，提升搜索/推荐/广告场景下模型训练和推理的计算效率
你将与算法部门深度合作，针对大规模系统进行软硬件协同优化，适合对编译技术和AI系统性能有浓厚兴趣的工程师
最低要求
熟悉开源ML编译器代码（如XLA/MLIR/TVM），并有相关开发经验
具有CPU/GPU下的算子Kernel开发和性能优化经验
具有扎实的C/C++编程能力和数据结构和算法知识
具有独立解决问题的能力，能够对业务逻辑进行合理的抽象和拆分，良好的团队合作精神
工作职责
参与AI编译器相关项目的技术方案规划，设计在离线全系统的计算图优化链路
针对搜索/推荐/广告场景，优化模型训练/推理的计算图执行效率
与全公司算法部门深度合作，为重点项目进行算法与系统的联合优化
优先资格
有软硬件联合设计的经验
深入研究过至少一种机器学习框架（TensorFlow/PyTorch/MXNet或其他自研框架）的底层架构和机制
AI 洞察
优缺点分析
- 参与AI前沿技术研发，接触大规模分布式训练和推理系统
- 字节跳动核心团队，资源丰富，技术影响力大
- 项目具有极高的技术挑战性，能快速提升系统优化能力
- 薪资和福利具有市场竞争力，职业发展前景广阔
- 技术难度高，需要跨编译器、硬件、算法等多领域知识
- 工作强度较大，可能需要应对紧急的性能优化任务
- 团队内竞争激烈，对自我驱动力和学习速度要求高
- 适合对底层编译技术和AI系统优化有强烈兴趣，乐于解决高难度问题，追求技术深度和职业成长的工程师
角色解读
- 成为AI系统优化专家，主导编译器核心模块的设计与实现
- 向AI编译器架构师发展，负责全局计算图优化策略的规划
- 深入算法与硬件协同设计领域，参与软硬件联合创新项目
- 设计AI编译器的计算图优化方案，提升模型训练和推理的效率
- 针对GPU/CPU进行算子Kernel开发和性能调优
- 与算法团队紧密合作，对搜索/推荐/广告等业务场景进行联合优化
- 精通ML编译器框架（XLA/MLIR/TVM），具有相关开发经验
- 深入掌握CPU/GPU编程和性能优化，特别是CUDA Kernel开发
- 扎实的C/C++编程能力，熟悉数据结构和算法
- 良好的问题分析和独立解决能力，能抽象和拆解复杂业务逻辑
申请策略
- 了解字节跳动AI基础设施和业务场景（搜索、推荐、广告），在面试中展现对业务需求的理解
- 准备一个完整的编译器优化项目案例，从问题识别到方案落地和效果评估
- 突出ML编译器（XLA/MLIR/TVM）相关的项目经验，展示具体贡献
- 量化性能优化成果，如加速比、延迟降低百分比等
- 强调C/C++和GPU编程能力，附上开源项目或Kernel代码链接
- 展示独立解决复杂问题的案例，特别是与算法团队协作的经历
- 深入学习MLIR或TVM的源码结构，理解其编译流程
- 练习CUDA Kernel优化，如矩阵乘法、卷积等算子的手工调优
面试指南
- 回答时可以分要点，先说明背景和问题，再阐述你的解决方案和实现细节，最后展示性能对比和量化结果
- 对于开放性问题，采用“问题分析-方案设计-实施验证”的结构，体现系统性思维
- 遇到不确定的问题，可以坦诚表示需要更深入思考，但给出你的推理方向
- 请解释XLA的计算图优化流程，并举例说明算子融合的原理
- 如何优化一个GPU Kernel的性能？请描述你的调优步骤
- 描述你在ML编译器项目中的具体贡献，遇到了什么挑战？
- 如何处理计算图中的动态形状问题？
- 你对TensorFlow或PyTorch的底层执行机制了解多少？比如Eager Execution和Graph模式的区别
匹配度报告
75
综合匹配度
大厂核心团队，前沿AI编译器技术栈，薪资优厚，但工作强度大，WLB一般。
适合人群
追求技术成长和职业发展，愿意投入高强度工作，对AI底层技术有热情的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利85
成长发展95
工作生活40
使命价值80
薪资福利匹配
85较高
字节跳动提供有竞争力的薪酬和福利，但工作强度大，且JD未明确薪资和福利，补偿性动机满足度较高但有限。
薪资信号未披露 (35K-55K/月)
成长发展匹配
95较高
该职位处于AI编译优化前沿，技术深度和广度兼备，成长空间极大，发展性动机得到高度满足。
技术前沿前沿/新兴技术
技术栈ML编译器、XLA、MLIR、TVM、CUDA、GPU
业务类型profit_center
工作生活匹配
40较低
仅现场办公，未提及弹性工作，且互联网大厂普遍加班文化，生活化动机满足度较低。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
80较高
参与通用智能研究，推动AI技术发展，使命感和行业前景好，但JD未明确社会价值关键词。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
字节跳动 的其他在招职位
相似职位推荐
Watch Jobs