大模型平台后端实习生（J104982）

优缺点分析

角色解读

• 实习期间可深入大模型推理技术，积累高性能后端服务开发经验
• 表现优秀者有机会转正，成为百度正式员工，参与核心平台建设
• 未来可向大模型平台架构师、技术专家或技术管理方向发展
• 参与大模型平台后端推理服务的研发，包括服务架构设计、性能优化等
• 开发平台内的组件和工具，提升平台易用性和自动化程度
• 根据业务需求，参与定制化功能的开发与实现
• 进行大模型推理技术的调研，跟踪前沿技术动态
• 扎实的计算机基础，熟悉算法和数据结构
• 熟练掌握 Go、Python 或 C++ 至少一种语言，具备良好编码习惯
• 熟悉 Linux/Unix 开发环境，了解常用设计模式
• 有 Docker/Kubernetes 经验者优先，具备团队合作和沟通能力

申请策略

• 关注百度招聘官网和校园宣讲会，了解具体投递流程
• 在面试中展现对大模型技术的热情和对百度业务的了解
• 突出算法和数据结构基础，如竞赛获奖、课程项目等
• 强调 Go/Python/C++ 的项目经验，尤其是后端服务开发相关
• 如有 Docker/Kubernetes 使用经验，务必在简历中体现
• 展示学习能力和自我驱动力，如自学新技术、开源贡献等
• 提前熟悉大模型推理框架（如 vLLM、TensorRT-LLM）的基本原理
• 巩固 Linux 环境下的开发技能，熟悉常用命令和工具

面试指南

• 使用 STAR 法则（情境、任务、行动、结果）清晰描述项目经历
• 结合具体技术点，展示对并发、性能优化等问题的思考
• 提前了解大模型推理的基本流程和常见优化手段
• 请介绍一个你参与的后端项目，你在其中承担了什么角色？
• Go 语言中 goroutine 和 channel 的使用场景是什么？
• 如何设计一个高并发的推理服务？
• 你对大模型推理优化有哪些了解？
• 为什么选择加入百度大模型平台团队？