云平台事业群-后端研发实习生

优缺点分析

角色解读

• 从实习起步，可成长为专注于AI基础设施的全栈工程师或算法工程师
• 积累大模型领域经验后，有机会向AI研究员、技术专家或团队负责人方向发展
• 通过参与前沿项目，为未来进入AI核心研发岗位或攻读更高学位奠定基础
• 作为核心参与者，深入研究大模型前沿课题，设计实验方案并撰写科研论文
• 推动AI研究成果从理论到实际业务的工程化落地，解决真实场景问题
• 参与开发和优化大模型训练与推理的基础设施，提升系统性能和效率
• 扎实的算法与工程基础，熟悉机器学习和大模型相关理论
• 掌握PyTorch等主流深度学习框架，有分布式系统或高性能计算经验者优先
• 具备独立解决问题的能力和自驱力，能快速学习新技术

申请策略

• 提前了解滴滴云平台业务方向和大模型应用场景，展示与业务的契合度
• 准备详细的项目演示或代码仓库，以技术作品集增强竞争力
• 突出与大模型、机器学习相关的科研项目、论文或竞赛经历
• 强调Python、PyTorch等编程和框架技能，以及分布式系统开发经验
• 展示自驱力和问题解决能力，例如通过开源项目或自主学习案例证明
• 深入学习大模型训练、推理优化技术，熟悉Megatron-LM、vLLM等工具
• 加强分布式系统和云计算知识，以应对基础设施开发需求
• 参与开源社区贡献，积累实际工程经验

面试指南

• 使用STAR法则（情境、任务、行动、结果）结构化描述项目经验，突出个人贡献和技术深度
• 从问题定义、技术选型、实现细节和效果评估等方面阐述解决方案，体现系统思维
• 结合实习岗位要求，强调自驱力、学习能力和对业务的理解
• 请描述一个你参与的大模型相关科研项目，你在其中扮演什么角色？
• 如何优化大模型的推理性能？谈谈你的思路
• 你对分布式训练框架如Megatron-LM有何了解？
• 如果让你设计一个大模型基础设施的方案，你会考虑哪些因素？
• 你为什么对滴滴的云平台大模型实习感兴趣？