腾讯 – AI模型性能优化工程师 职位分析和面试指导

职位简介：

作为腾讯TEG的AI模型性能优化工程师，核心职责是基于自研芯片研发高性能推理与训练框架，解决芯片落地过程中的全链路问题，并根据市场产品调研持续优化性能瓶颈，提升自研芯片推理模型整网性能。同时需要不断迭代和完善框架性能和易用性，与业务团队共同构建自研芯片软件生态。该职位要求熟悉Linux开发环境，掌握Python/C++等编程语言，具备良好的系统设计能力，熟悉GPU或SIMD编程体系架构，了解LLM、AIGC等模型结构，能够使用专业性能分析工具，精通主流训练框架和训练加速技术，并具备系统性分析模型性能瓶颈的能力。此外还需要具备技术热情、责任感、优秀的问题解决能力和团队沟通能力。工作地点为深圳。

>> 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AI模型性能优化相关的经验和技术能力。首先，确保在简历中明确列出你熟悉的编程语言（Python/C++）和开发环境（Linux），这是基础要求。更重要的是，详细描述你在GPU或SIMD编程方面的经验，以及你使用过的性能分析工具如nvpro、nsys等。如果你有自研芯片开发或优化的经验，一定要重点强调，这是这个职位的核心需求之一。对于你熟悉的训练框架（Pytorch、Megatron、DeepSpeed等），不仅要列出名称，最好能提供具体的应用案例或优化成果。在描述过往项目时，着重展示你分析模型性能瓶颈和优化性能的能力，用具体的数据和成果来证明你的专业水平。此外，如果你参与过与AI芯片相关的项目，或者有构建软件生态的经验，这些都是能让你的简历脱颖而出的亮点。

面试时，面试官很可能会深入考察你在AI模型性能优化方面的实际能力。准备几个你成功优化模型性能的案例，详细说明你遇到的问题、分析过程和解决方案，特别是那些涉及自研芯片或复杂性能瓶颈的案例。对于技术问题，要做好深入讨论GPU/SIMD编程、训练框架内部机制和性能分析工具使用的准备。面试中可能会要求你现场分析一个性能问题或提出优化方案，所以提前复习相关的技术知识和分析方法很重要。除了技术能力，面试官也会评估你的问题解决能力和团队协作能力，准备一些展示你如何与团队合作解决复杂问题的例子。由于这个职位涉及与业务团队合作构建软件生态，沟通能力和对业务需求的理解也很关键，可以准备一些相关经验来展示你这方面的能力。最后，表现出你对AI技术发展的热情和对性能优化工作的专注，这会给面试官留下积极的印象。