算法工程化实习生（27届有转正机会）

优缺点分析

角色解读

• 实习期间可深入接触AI工程化前沿技术，积累大模型优化实战经验
• 表现优秀者可获得转正机会，进入万兴科技AI团队，成为核心算法工程师
• 未来可向AI推理优化专家、AI编译器工程师或算法架构师方向发展
• 负责图像、视频、音频大模型的算法工程集成，包括模型部署、推理优化和工具链开发
• 参与多模态大模型的优化工作，如量化、蒸馏、剪枝、算子开发和编译优化，提升模型在真实场景中的性能
• 与算法团队协作，将研究成果转化为可落地的工程实现，支持产品迭代
• 扎实的C/C++/Python编程能力，熟悉深度学习框架和主流模型架构
• 了解TensorRT、ONNXRuntime等推理框架，有模型优化经验者优先
• 熟悉CUDA编程、算子优化或AI编译器（如MLIR/LLVM/TVM）者优先
• 具备大模型压缩（蒸馏/剪枝/量化）项目经验或相关竞赛获奖经历者优先

申请策略

• 关注万兴科技的技术博客或开源项目，了解其技术栈
• 在面试中展示对模型优化领域的热情和思考
• 突出C++/Python编程能力，展示相关项目代码
• 强调深度学习框架和模型优化经验，如量化、蒸馏等
• 如有CUDA或AI编译器经验，务必详细描述
• 列出相关竞赛获奖或论文发表，增加竞争力
• 提前学习TensorRT、ONNXRuntime等推理框架的使用
• 熟悉CUDA编程和算子优化，可尝试优化简单算子

面试指南

• 用STAR法则回答项目经历，突出个人贡献和成果
• 技术问题先阐述原理，再结合实践经验
• 展示学习能力，说明如何快速掌握新工具
• 请介绍你参与过的模型优化项目，具体做了什么？
• 如何对一个大模型进行量化？有哪些方法？
• 解释一下TensorRT的工作原理
• 你如何优化一个算子的性能？
• 你对AI编译器了解多少？