微信WeLM-大模型研发基础设施工程师-研发效能方向（深圳、上海、广州）

优缺点分析

角色解读

• 可成长为AI基础设施架构师或技术专家，深耕大规模系统优化
• 转向AI平台团队，负责更广泛的机器学习平台与工具链建设
• 向技术管理方向发展，带领团队提升研发效能
• 负责优化大模型研发的集群调度、部署策略，提升系统吞吐和稳定性
• 建设与运维GPU集群、Kubernetes环境，提高资源利用率和任务执行效率
• 保障研发生产系统的可靠性、可观测性与故障恢复，定位性能问题
• 扎实的分布式系统或ML Systems经验，熟悉任务调度、容器、Kubernetes等
• 对大模型训练、推理、评测有实际经验或兴趣，理解研究与系统工作的差异
• 能将实验需求抽象为可靠、可复用的系统能力，关注系统可靠性与研究正确性

申请策略

• 研究微信和腾讯在AI领域的布局，特别是大模型研发方向
• 准备案例，说明如何将研究需求转化为可靠系统能力，体现技术深度
• 突出分布式系统、容器化（如Kubernetes）和GPU集群管理的项目经验
• 展示对大模型训练、推理或评测系统的了解，如有相关实践或兴趣
• 强调性能优化、故障处理和系统可靠性设计案例，体现SLA保障能力
• 深入学习GPU资源调度、任务编排和沙箱技术，了解最新AI研发工具
• 加强系统监控与可观测性实践，熟悉Prometheus、Grafana等工具

面试指南

• 使用STAR法则，具体说明项目背景、任务、行动和结果，突出技术难点和优化效果
• 结合调度算法、容器编排、监控告警等技术细节，展示系统设计能力
• 强调对AI研发工作流的理解，说明如何将实验需求抽象为系统能力
• 请描述你优化过的一个大规模分布式系统案例，遇到的挑战和解决方案？
• 如何设计GPU集群的任务调度策略，以平衡资源利用率和公平性？
• 在保障大模型评估任务稳定执行时，你会考虑哪些关键因素？
• 你如何看待系统可靠性与研究正确性之间的矛盾或平衡？
• 如果让你建设一个面向模型研发的沙箱环境，你会考虑哪些核心功能？