推荐架构工程师（推荐模型推理方向）-【算法引擎部】

优缺点分析

角色解读

• 成为推荐系统推理优化专家，深入底层硬件和框架
• 发展为算法-系统全栈架构师，主导核心架构设计
• 走技术管理路径，带领团队推动技术落地
• 参与推荐模型推理引擎的研发与性能优化，包括传统DLRM和生成式推荐模型
• 与算法团队合作，通过联合优化持续提升推荐模型效果
• 跟踪硬件加速新技术（如TensorRT、TVM），推动在业务场景落地
• 系统设计与编程能力，熟悉C++/Python等语言
• 了解模型推理或高性能计算相关知识
• 强烈的好奇心和钻研精神，善于分析解决问题

申请策略

• 准备1-2个系统性能优化的详细案例，体现分析-设计-落地能力
• 关注快手推荐技术博客或论文，了解团队技术方向
• 突出推荐系统或模型推理相关的项目经验
• 强调高性能计算或硬件加速的实践成果
• 展示与算法团队合作提升模型效果的具体案例
• 深入学习TensorRT、TVM等推理优化框架
• 积累推荐模型结构知识（如DLRM、Transformer）

面试指南

• 从系统层面分析瓶颈（计算、I/O、内存），然后结合具体技术（算子融合、量化、图优化）阐述
• 针对算法-系统联合优化，先理解算法需求，再设计系统权衡方案，用实验数据说明效果
• 如何优化推荐模型的推理延迟？具体有哪些方法？
• 请描述DLRM模型的结构和计算特点
• 如何使用TensorRT加速模型？遇到过哪些问题？
• 如何与算法同学合作进行联合优化？请举例
• 对最新硬件加速技术（如GPU、TPU）有何了解？
• 复习推荐模型架构（CTR预估、序列模型等）