字节跳动
机器学习研发工程师-搜索架构
机器学习研发工程师-搜索架构
发布于 4 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Cuda
Deepspeed
Gpu计算
Megatron
Pytorch
Vllm
分布式计算
搜索架构
机器学习基础设施
值不值得投
74综合评分
综合评分 74
头部搜索业务的基础设施岗，GPU与分布式技术栈前沿、成长性强，WLB信息未明确。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
4.5万
比机器学习工程中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
95 个在招 · 其中机器学习工程 2 个
市场机会
选择面较广
杭州 · 机器学习工程 · 约 310 个在招
职位详情
关于这个职位
加入字节跳动搜索架构团队，负责搜索场景下的机器学习基础设施研发
你将构建算法框架与工具链、搭建大规模分布式任务调度与GPU高性能算子库，支撑搜索业务模型的训练与高效迭代
最低要求
掌握扎实的计算机基础知识，深入理解数据结构、算法和操作系统知识
有强烈的求知欲，快速学习和沟通能力
编程能力扎实，有良好的编程习惯
工作职责
负责搜索架构系统的开发，支撑团队相关业务的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/算法框架/工具链等，维护稳健的调用链路，并推动落地到业务中
支持大规模任务调度与分布式计算环境的构建与维护
设计和开发高性能算子库，研究最新的GPU计算技术和优化方法，充分利用GPU并行计算能力，支持各种模型在不同硬件上的构建和部署
优先资格
熟悉主流的深度学习框架（PyTorch、TensorFlow）
熟悉主流高性能并行编程技术，有GPU编程经验（CUDA或Triton）
熟悉vLLM、TRT-LLM等大模型推理框架，熟悉大模型并发推理原理
熟悉FSDP、DeepSpeed、Megatron等业界主流分布框架的使用和原理
AI 洞察
优缺点分析
优点
- 涉及GPU算子、分布式训练、大模型推理等当下热门且稀缺的技术方向，技能积累价值大
- 团队聚焦机器学习系统底层，技术纵深强，利于长期竞争力构建
- 基础设施岗位偏底层与支撑性质，需耐得住打磨系统与排查链路的细致工作
- GPU计算、分布式框架、推理优化等技术栈深度大，学习曲线陡峭
- 需同时兼顾系统稳健性与业务迭代效率，工程平衡要求高
- 适合计算机基础扎实、热爱底层系统与高性能计算，并希望在机器学习基础设施方向深耕的工程师
缺点 / 挑战
- 直接接触搜索这类超大规模业务场景，基础设施与工程挑战含金量高
角色解读
- 可在机器学习系统/基础设施方向持续深耕，成长为GPU计算、分布式训练或推理优化领域的资深专家
- 也可向搜索架构或更大范围的ML平台技术负责人方向发展，兼具工程深度与业务影响力
- 在头部搜索与推荐业务场景中积累的大规模系统经验具备较强行业迁移性
- 负责搜索业务的机器学习基础设施研发，包括算法框架、工具链与调用链路的搭建与维护
- 设计并开发高性能GPU算子库，研究最新GPU计算与优化技术，支撑多种模型在不同硬件上的部署
- 构建和维护大规模分布式任务调度与计算环境，保障算法生产与迭代的高效稳定
- 扎实的计算机基础，深入理解数据结构、算法和操作系统
- 良好的编程能力与工程习惯，能设计稳健可维护的系统
- 熟悉深度学习框架与分布式训练、大模型推理、GPU并行编程等高性能计算技术
申请策略
- 提前了解字节搜索业务的架构与算法生产链路，理解基础设施如何服务业务迭代
- 准备能体现系统设计能力与性能优化思路的项目案例，突出工程严谨性
- 突出计算机基础与算法能力，如数据结构、操作系统、并发编程相关项目或竞赛经历
- 重点呈现GPU编程（CUDA/Triton）、分布式训练（FSDP/DeepSpeed/Megatron）或推理框架（vLLM/TRT-LLM）的实战经验
- 用量化指标说明你优化过的系统性能，如吞吐提升、延迟下降、资源利用率改进等
- 展示深度学习框架（PyTorch/TensorFlow）的使用与二次开发经历
- 系统学习并动手实践CUDA/Triton算子编写与性能调优
- 深入理解大模型推理与分布式训练原理，动手复现vLLM、DeepSpeed等框架的核心机制
面试指南
- 性能类问题采用「问题背景—瓶颈定位—优化手段—量化结果」的结构化回答
- 原理类问题先讲清核心机制，再结合实际框架说明差异与取舍
- 系统设计类问题从需求拆解出发，给出架构方案并说明权衡与验证方式
- 请介绍一次你优化GPU算子或分布式训练性能的实战经历，具体做了哪些优化、效果如何？
- 你如何理解大模型并发推理的原理？vLLM或TRT-LLM中的关键技术点是什么？
- 在分布式训练中，FSDP、DeepSpeed、Megatron各自的适用场景和实现差异是什么？
- 如果设计一个支撑搜索算法高效迭代的基础设施，你会如何架构？
- 如何在高性能与系统稳健性之间做权衡？
职位点评
薪资福利75
成长发展88
工作生活55
使命价值68
薪资福利
75中等
JD未披露薪资与福利信息，但岗位技术门槛高、技能稀缺，薪酬竞争力通常较强。
薪资信号未披露（AI估算：3.0千–6.0万/月）
成长发展
88较高
岗位聚焦GPU计算、分布式训练与大模型推理等前沿技术方向，技能成长空间大。
技术前沿前沿/新兴技术
技术栈PyTorch、TensorFlow、CUDA、Triton、vLLM、TRT-LLM、FSDP、DeepSpeed、Megatron、GPU计算、分布式计算
业务类型ambiguous
工作生活
55较低
JD未明确提及办公模式、加班或弹性安排，工作节奏信息不足。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
68中等
岗位处于机器学习基础设施这一快速发展的技术赛道，服务于搜索业务，技术价值明确。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
字节跳动 的其他在招职位
相似职位推荐
Watch Jobs