美团
LongCat - 大模型训练 AI 工程师（多方向）
LongCat - 大模型训练 AI 工程师（多方向）
发布于 1 天前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
硕士
分布式系统
GPU
PyTorch
CUDA
NPU
Megatron-LM
DeepSpeed
大模型训练
AI 估算 · 40k–70k
美团大模型训练岗位，技术稀缺度高，北京一线大厂，薪资具有市场竞争力，参考相似岗位范围。
职位详情
关于这个职位
美团基础研发平台正在招聘大模型训练AI工程师，涉及文本/多模态预训练、强化学习框架、异构算力适配和高性能内核等方向
你将参与千亿级参数大模型的分布式训练系统设计与优化，与业界一流工程师合作，推动技术前沿发展
适合有大模型训练经验、热爱底层优化的技术专家
最低要求
计算机、电子工程、数学等相关专业硕士及以上学历
年以上大模型训练/推理/分布式系统相关开发经验
熟悉PyTorch/Megatron-LM/DeepSpeed等主流框架中至少一个的内部实现
熟悉至少一种分布式并行策略（DP/TP/PP/SP/EP）的原理和实现细节，或有高性能算子开发经验
扎实的C++/Python/CUDA编程能力，有性能优化经验
有实际参与过10B+参数规模模型训练的项目经验
工作职责
本岗位覆盖以下主要技术方向：
方向一：文本/多模态预训练
设计和优化千亿级参数大模型的分布式训练系统，支持文本基座预训练和原生多模态训练的正确性、性能和稳定性
负责训练框架核心模块（通信、调度、容错、Checkpoint、数据加载）的架构设计和性能优化，在同等硬件条件下持续提升训练吞吐
协同算法迭代和硬件演进，针对新模型架构（MoE、超长序列、多模态融合）快速完成训练适配和性能验证
作为工程Pipeline的上游起点，持续推进训练Infra的架构迭代方向
方向二：强化学习框架
构建并提升在线RL训练系统的性能和Scale能力，打通策略更新、环境交互、奖励建模的端到端训练流程
支持Chat/Thinking/Agentic以及未来多种RL范式（PPO/GRPO/DPO等），和算法Codesign推进RL架构迭代
设计高效的Actor-Critic架构、经验回放机制和分布式采样系统
负责RL训练的性能瓶颈分析和优化，包括GPU利用率提升、通信开销降低、训练稳定性保障
方向三：异构算力适配
建设迭代多种异构算力（GPU/NPU等）的验证和适配方案，包括稳定性保障、精度验证和高性能runtime
开发调优GPU和NPU架构的通信算子，推进超节点架构的最佳实践
面向RL采样场景，深入优化NPU架构的推理性能
跟踪硬件生态发展，评估新硬件的技术价值，输出选型建议和规模化落地方案
方向四：高性能内核
定制开发高性能计算内核，深入发掘GPU/NPU等不同硬件架构的优化空间
推进算子开发范式的迭代，探索自动化算子生成（如LLM辅助生成高性能kernel）
AI 洞察
优缺点分析
优点
- 参与业界最前沿的大模型训练技术，积累超大规模分布式系统经验
- 团队技术氛围浓厚，有完善的学习生态圈，职业发展路径清晰
- 技术门槛高，需要持续跟进硬件和新框架的快速迭代
- 与算法团队紧密协作，需要较强的跨团队沟通能力
缺点 / 挑战
- 美团平台数据规模大、场景丰富，技术挑战和成长空间巨大
- 工作强度较高，大模型训练涉及大量调试和紧急问题处理
- 适合在分布式系统和大模型训练方面有深厚积累、追求技术突破、愿意接受高强度挑战的资深工程师
角色解读
- 技术深耕：成为大模型训练系统架构专家，主导核心基础设施演进
- 横向扩展：可转向AI Infra、高性能计算、数据中心优化等方向
- 管理路线：带领团队负责训练平台建设，向技术经理或架构师发展
- 负责千亿级参数大模型的分布式训练系统设计与优化，确保训练正确性、性能和稳定性
- 开发训练框架核心模块，如通信、调度、容错、Checkpoint等，提升训练吞吐效率
- 协同算法团队，针对新模型架构（如MoE）快速完成训练适配和性能验证
- 针对异构算力（GPU/NPU）进行适配和优化，开发高性能计算内核
- 扎实的分布式系统设计能力，熟悉DP/TP/PP等并行策略
- 精通PyTorch、Megatron-LM或DeepSpeed等大模型训练框架
- 强大的C++/Python/CUDA编程能力，有性能优化经验
- 具备10B+参数规模模型训练的实际项目经验
申请策略
- 提前了解美团的业务场景和大模型应用方向，面试中展示对业务的理解
- 准备一个完整的系统设计案例，展示架构思维和问题解决能力
- 突出大模型训练项目经验，特别是10B+参数规模的训练经历和具体贡献
- 详细描述分布式并行策略的实战经验，如PP、TP、DP等
- 展示C++/Python/CUDA性能优化案例，如通信优化、算子调优等
- 如有开源贡献或技术博客，务必列出
- 熟悉Megatron-LM或DeepSpeed的源码，理解其设计原理
- 补强通信框架（如NCCL)和GPU硬件架构知识
面试指南
- STAR法则：背景、任务、行动、结果，突出个人贡献和技术创新
- 结合具体数据量化效果，如吞吐提升X%，通信开销降低Y%
- 展示系统思维，从全局角度分析问题并提出可落地方案
- 请详细描述你在一次大模型训练项目中如何设计分布式训练方案？
- 如何优化PyTorch DDP的通信效率？遇到过哪些问题？如何排查？
- 解释MoE架构对分布式训练带来的挑战，你有何解决方案？
- CUDA kernel优化中，如何平衡计算密度和内存带宽？
- 如何处理训练过程中的不稳定（如loss spike）？
匹配度报告
71
综合匹配度
大厂前沿技术岗，发展空间大，薪资有竞争力，但工作强度和灵活性一般。
适合人群
最适合追求技术成长和职业发展的求职者，能承受一定工作压力。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利80
成长发展95
工作生活40
使命价值70
薪资福利匹配
80较高
美团为上市大厂，薪资水平在行业前列，且该岗位为技术前沿，薪资竞争力强，福利完善（五险一金、股票期权等），但JD未明确具体薪资，需面议。
薪资信号面议 (40K-70K/月)
成长发展匹配
95较高
该岗位直接参与千亿级大模型训练，技术前沿性极强，团队有完善的成长体系，职业发展路径清晰。
技术前沿前沿/新兴技术
技术栈大模型训练、分布式系统、PyTorch、Megatron-LM、DeepSpeed、CUDA、C++、Python、GPU、NPU
成长机会互联网学习生态圈、助力职业生涯的非线性成长
业务类型profit_center
工作生活匹配
40较低
北京现场办公，未提及弹性工作或远程，大模型训练岗位通常工作强度大，但美团整体WLB尚可，JD未给出明确信号。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
70中等
美团致力于零售+科技，大模型方向与公司战略契合，行业前景好，但JD未强调社会价值，偏向技术驱动。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs