腾讯
实习视频号-AI Infra超大规模训练推理系统研究
广州 · 实习 · 博士
长期有效
任职要求
- 学历和专业要求： 来自计算机/系统/AI 相关专业的博士同学。
- 技术技能要求： 精通分布式系统、GPU 集群编程（CUDA/NCCL）、大模型训练框架（Megatron/DeepSpeed）与推理引擎（vLLM/TensorRT-LLM），掌握 C++/Python。
- 软性素质要求： 技术视野顶尖、攻克硬核难题驱动力强、跨团队技术领导力突出。
- 竞赛加分： 有 ICPC/CCPC 区域赛金牌、超算三大赛（ASC/ISC/SC）获奖者优先。
岗位描述
【岗位职责】
课题背景：
团队支撑视频号推荐（千亿样本/天、十TB稀疏模型、十万卡GPU集群）、视频生成模型（预训练/后训练/数据管线）、AI Agent（小微toC）。训练与推理双链路均处于行业最前沿，亟需顶尖人才同时突破训练效率与推理成本天花板。
课题挑战：
【训练侧】十万卡集群训练稳定性与通信拓扑优化；千亿级稀疏模型高效参数服务器与显存管理；视频生成长序列高分辨率训练的内存/算力瓶颈。
【推理侧】视频生成扩散模型多步采样的高时延与高算力成本；十TB稀疏模型在线serving的显存与带宽瓶颈；十万卡训练集群与在线推理混部的资源隔离与时延保障；toC 场景下高并发低时延推理的吞吐/成本极致优化。
具体工作：
主导超大规模训练与推理系统架构设计，攻克分布式训练效率、稀疏模型serving、异构算力调度及高并发推理加速等核心难题。
【任职要求】
学历和专业要求： 来自计算机/系统/AI 相关专业的博士同学。
技术技能要求： 精通分布式系统、GPU 集群编程（CUDA/NCCL）、大模型训练框架（Megatron/DeepSpeed）与推理引擎（vLLM/TensorRT-LLM），掌握 C++/Python。
软性素质要求： 技术视野顶尖、攻克硬核难题驱动力强、跨团队技术领导力突出。
竞赛加分： 有 ICPC/CCPC 区域赛金牌、超算三大赛（ASC/ISC/SC）获奖者优先。
【技术方向】
搜索、推荐、模型应用
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 运营 岗位的常见面试问题整理
我提到了电竞方面，另一个面试官就问我对于ig战队（lol）的看法，然后一道情景题：公司和ig方面有合作，怎样运营才能吸引ig粉丝使用我们产品
查看答题思路
1. 电竞营销=粉丝经济，核心是社区运营而非传统广告 2. 跨界合作：战队/选手/IP 联名，借粉丝流量 3. 内容策略：比赛直播/选手日常/粉丝二创/社区活动 4. 案例：用 STAR 讲一个电竞相关的运营策划
另一个面试官看我的专业（偏设计）就问我愿不愿意做产品设计方向，让我发作品集 大概就这些 #咪咕#<a href="/creation/subject/928d551be73f40db82c0ed83286c8783" target="_blank" class="s
查看答题思路
1. 核心概念：一句话说清这个问题的底层逻辑 2. 方法论/框架：用 STAR 原则或专业框架结构化回答 3. 实际案例：结合一个具体场景说明 4. 量化结果：用数据佐证你的观点
你认为内容运营需要具备哪些能力
查看答题思路
1. 内容运营=创作有价值的内容→分发到正确渠道→吸引目标用户→促成转化 2. 核心能力：选题能力（知道用户想看什么）、写作能力、数据分析能力（用数据迭代内容策略） 3. 生命周期：选题→创作→审核→发布→分发→数据回收→优化→二次传播 4. 优质内容标准：原创/有用/有趣/有共鸣/有行动引导
谈谈你理解的内容生命周期
查看答题思路
1. 真诚：为什么对这个方向感兴趣（具体经历/瞬间） 2. 匹配：你的能力和这个岗位的契合点 3. 成长：你希望从这个岗位学到什么 4. 贡献：你能为团队带来什么
自我介绍
查看答题思路
1. 我是谁（姓名+学校+专业，15秒） 2. 我做过什么（最相关的 1-2 个经历，30秒） 3. 为什么适合这个岗位（能力匹配，15秒） 4. 总时长控制在 1 分钟以内 5. 避免：念简历、说「我学习能力强」这种空话
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。