多模交互仿真评测工程师

优缺点分析

角色解读

• 可深耕大模型评测领域，成为评测专家，参与模型优化和性能调优
• 可转向算法工程师或MLOps方向，负责模型部署、流水线构建和自动化运维
• 积累多模态项目经验后，有望晋升为技术主管或项目经理，带领团队
• 负责多模态大模型在不同硬件环境下的联调与功能验证，确保模型在各平台上正常运行
• 执行离线跑批和效果对比评测，基于标准评测集和业务数据输出结构化报告
• 清洗和标注评测数据，进行一致性校验以保障数据质量
• 编写部署脚本、评测流水线和数据处理工具，支持内部测试平台的开发与维护
• 熟练Linux系统及常用命令，能独立编写Shell和Python脚本进行自动化处理
• 了解PyTorch等深度学习框架，能够完成模型的加载与推理测试
• 掌握GPU环境基础配置（CUDA、Docker），能排查常见环境问题
• 具备细致的工作习惯和良好的文档记录能力，能按规范呈现结果

申请策略

• 面试前了解智元机器人的产品方向（如人形机器人、多模态交互）和技术栈，体现兴趣
• 准备一个详细介绍过往评测项目或脚本开发经历的案例，展示解决问题的能力
• 重点突出Linux系统操作和Shell/Python脚本编程经验，展示自动化能力
• 强调GPU环境配置（CUDA、Docker）和深度学习框架（PyTorch）的使用经历
• 如有数据清洗、标注或评测项目，详细描述流程和结果，体现细致性
• 附上相关报告样本或GitHub链接，证明规范的文档习惯
• 提前学习vLLM、Triton、TensorRT等推理加速框架，增加竞争力
• 练习撰写评测报告，熟悉常见指标（如准确率、延迟、吞吐量等）

面试指南

• 对于技术操作问题，采用STAR方法：情境（Situation）、任务（Task）、行动（Action）、结果（Result），分步骤清晰回答
• 对于开放性问题，先列出关键要点，再逐一展开，体现逻辑性和全面性
• 对于故障排查问题，按照“现象-假设-验证-解决”的思路，展示系统性思考
• 请描述如何使用PyTorch加载一个预训练模型并进行单张图片推理？
• 如何搭建一个包含CUDA和PyTorch的Docker镜像用于模型评测？
• 如果标注数据出现不一致，你会如何清洗和处理？
• 解释CUDA Toolkit和cuDNN的作用及关系
• 模型在GPU上推理速度比预期慢，你会从哪些方面排查和优化？