混元DataInfra 平台开发工程师（北京）

优缺点分析

角色解读

• 从数据平台开发工程师成长为数据架构师或DataInfra技术专家
• 未来可主导更大规模的AI基础设施演进，或转型为AI数据团队的技术负责人
• 负责混元大模型底层数据基础设施的建设，搭建通用数据工程框架
• 处理海量多模态数据，解决存储与计算的性能瓶颈，为算法团队提供高效的数据流转与分析支持
• 精通Spark、Hadoop、Ray等大数据处理框架及底层文件存储系统
• 具备大模型预训练/后训练数据处理经验，能熟练使用Agent和AI编程工具提升研发效能

申请策略

• 了解腾讯混元大模型的最新进展及其对数据质量、多模态数据处理的具体需求，在面试中展现对AI Infra发展趋势的独立思考
• 重点突出海量数据处理、分布式计算框架（Spark/Ray）调优及大模型预训练数据处理的实际项目经验
• 展示使用Agent或AI coding工具提升开发效率的具体案例和成果
• 深入学习Ray框架在AI场景下的应用，以及基于Agent的自动化数据生产链路设计
• 熟悉主流大模型的数据清洗、去重、质量评估等后训练数据处理流程

面试指南

• 采用STAR法则（情境、任务、行动、结果），重点突出在海量数据场景下的系统架构设计思路、性能调优细节以及最终带来的业务收益（如处理时间缩短、资源成本降低）
• 请分享一个你处理过最大规模数据的经验，遇到了哪些存储或计算瓶颈，如何解决的？
• 在大模型预训练数据处理中，你们是如何进行数据清洗、去重和质量评估的？
• Spark和Ray在分布式计算中各有什么优缺点？在AI场景下你会如何做技术选型？
• 你平时是如何使用Agent或AI coding工具来提升工作效率的？能举个具体例子吗？
• 复习分布式系统原理、Hadoop/Spark/Ray底层机制，并准备1-2个自己主导的复杂数据工程架构设计案例
• 了解大模型训练的数据Pipeline全流程，特别是多模态数据的处理难点