微信支付-大模型 AI Infra 研发工程师

优缺点分析

角色解读

• 可向 AI 系统架构师、高性能计算专家方向发展，或转型为 AI 基础设施团队的技术负责人
• 构建和优化支持微信支付业务的大模型推理与训练基础设施平台
• 精通 LLM 推理/训练框架（如 vLLM, DeepSpeed），深入理解 GPU 硬件架构与 CUDA 编程，具备分布式系统性能调优能力

申请策略

• 准备展示你在 GitHub 上的开源贡献或高水平编程竞赛成绩，证明工程落地能力
• 突出在大模型训推框架二次开发、GPU 算子优化、分布式通信库改进等方面的具体项目成果
• 深入研读 vLLM/DeepSpeed 源码，掌握 CUDA 内核编写技巧，熟悉主流 LLM 架构细节

面试指南

• 采用 STAR 原则（情境、任务、行动、结果），重点阐述技术选型的权衡过程、遇到的具体性能瓶颈及量化优化效果
• 请解释 vLLM 中 Continuous Batching 的原理及其优势
• 如何在 DeepSpeed ZeRO-3 模式下优化显存占用？
• 描述一次你解决 GPU 通信瓶颈的经历
• 针对特定 LLM 模型，你会如何进行算子融合优化？
• 复习计算机组成原理、操作系统及分布式系统知识，梳理自己参与过的最复杂的系统级优化案例