联想 – AI开发工程师 职位分析和面试指导

职位简介：

作为联想的AI开发工程师，你将主导模型训推平台的架构设计与核心功能开发，包括深度学习框架的二次开发与适配、推理引擎模块的研发及实验管理功能的设计，同时负责智能体的核心架构设计与多场景落地，涵盖多模态感知、决策规划及记忆模块的开发，并推动智能体与训推平台的深度融合。此外，你将深度适配Kubernetes容器编排平台，优化AI训练网络的通信性能，解决大模型训练/推理中的关键技术问题，并协同算法团队完成智能体与大模型的需求对接，推动前沿算法的工程化落地。需精通PyTorch/TensorFlow等深度学习框架的二次开发，熟悉大模型训练优化技术及TensorRT/ONNX Runtime等推理加速工具，具备智能体系统设计与开发经验，熟悉Kubernetes在大规模AI训练中的应用及分布式训练优化技术，同时具备良好的跨团队协作与沟通能力。

>> 在联想官网查看完整职位详情。

简历及面试建议：

在撰写简历时，务必突出你在AI开发领域的技术深度和项目经验。首先，详细描述你在大模型训练优化方面的经验，如使用PyTorch或TensorFlow进行二次开发，以及如何通过混合精度训练、梯度检查点等技术提升训练效率。其次，强调你在智能体系统设计方面的能力，包括多模态感知、决策规划及记忆模块的开发经验，尤其是基于大语言模型（LLM）的智能体框架开发。此外，不要忽略你在分布式系统方面的经验，如使用Kubernetes进行任务调度或优化AI训练网络的通信性能。最后，展示你的问题解决能力，列举你在大模型训练或推理中解决的关键技术问题，如内存溢出或推理延迟优化。确保每一项经历都量化成果，例如提升了多少训练效率或降低了多少推理延迟。

面试时，面试官会重点关注你的技术深度和实际解决问题的能力。准备时，首先确保你对大模型训练优化的各项技术有深入理解，能够详细解释混合精度训练、模型并行等技术的原理及应用场景。其次，准备好关于智能体系统设计的案例，展示你如何设计多模态感知或决策规划模块，并解决实际开发中的挑战。此外，面试官可能会考察你对分布式系统的理解，如Kubernetes在AI训练中的应用或NCCL通信库的调优经验，因此要准备好相关问题的回答。在面试过程中，注意用具体的项目案例来支撑你的回答，并展示你的跨团队协作能力，如如何与算法团队或客户团队合作推动项目落地。最后，保持自信且开放的态度，愿意讨论技术细节并接受反馈。