腾讯 – 技术研究-高性能计算方向 职位分析和面试指导

职位简介：

该职位主要负责解决高性能计算领域的技术挑战，包括优化GPU集群调度策略以提升资源利用率，设计低延迟高吞吐的分布式网络架构，以及开发或优化大模型训练框架来提升千亿级参数模型的训练效率。候选人需要具备扎实的计算机体系结构基础和并行计算知识，良好的数学功底，并能够协同算法、硬件及运维团队构建高效稳定的计算基础设施。有TensorRT/Triton推理框架经验、RDMA协议栈深入理解或大模型训练流程熟悉者将更具竞争力。工作地点可选择深圳总部、北京或上海。

>> 在腾讯官网查看完整职位详情。

简历及面试建议：

在撰写简历时，你需要特别突出与高性能计算相关的技术深度和项目经验。对于GPU方向，详细描述你参与过的GPU集群优化项目，特别是如何通过调度策略或混合精度计算提升了资源利用率的具体案例，量化你的成果如’将GPU利用率提升30%’这样的数据会很有说服力。网络方向要强调你对InfiniBand/RoCE等技术的实际应用经验，以及解决过的网络拥塞问题，如果有超算中心或云计算网络调优经验一定要单独列出。大模型框架方向则需要展示你对主流框架的深入理解和使用经验，特别是分布式训练策略的设计和实现，参与过的大模型训练项目规模和技术难点要具体说明。简历中不要遗漏计算机体系结构和数学基础这些核心要求，可以通过教育背景或项目中的技术决策来体现。加分项内容要放在显眼位置，确保面试官能快速看到你的独特优势。

面试准备要围绕技术深度和实际问题解决能力展开。对于GPU相关问题，准备好讨论不同场景下的资源调度策略选择，混合精度计算的实现细节和可能遇到的问题。网络方向要熟悉常见分布式网络架构的优缺点，能够分析具体案例中的网络瓶颈和优化方案，MPI/NCCL性能调优的经验会是重点。大模型框架方面要能清晰解释各种并行训练策略的适用场景，显存优化和训练加速技术的实现原理。面试官很可能会通过实际场景问题来考察你的技术判断力，比如’千亿级模型训练遇到通信瓶颈该如何解决’这类开放性问题。回答时要展现系统化的思考过程，从问题定位到方案设计再到实施细节层层深入。同时要准备好讨论你过去项目中的技术决策和权衡，这是展示你实战能力的好机会。记得带上一两个能体现你技术深度的项目代码片段或设计文档，现场讨论时会很有帮助。