京东 面试

混合云异构计算工程师工作职责-建设业界领先的AI异构算力容器平台，提供 高性能、高稳定性、高易用性的百舸产品，支持AIGC、智算中心、金融-结合 SOTA 模型训练推理优化原理，深入模 型结构与设计思路，将训练推理优化手段工程 实践化，为客户提供系统性加速方案，提升训 推效率-在自研芯片上适配常见大模型，结合深度学 习训推框架特性，开发或调优相关算子，提升模型在芯片上的性能和精度表现，辅助客户进 行芯片选型和应用-针对大规模异构集群场景下，探索训推任务 管理、异构资源调度、虚拟化混布、容器存 储、高性能网络、分布式训练和推理等技术的 创新和应用-探索业界最新技术方向，参与机器学习框架 等开源社区，提升百度混合云AI核心竞争力任职资格-本科及以上学历，有一定程度的计算机相关 专业知识背景-优秀的编码能力，熟悉Golang/Python/ Java/C/C++至少一项，有扎实的算法及数据 结构基础，有良好的编程习惯。-熟悉PyTorch,了解Megatron、 DeepSpeed、vLLM、SGLang等大模型训推 框架，做过测试、开发等工作。-对GPU芯片架构有一定了解者优先，熟悉 CUDA、OpenCL等高性能计算编程经验优先，有大规模训练推理实践经验者优先-具备推理优化的深度实践经验优先： FlashAttention、PD分离、专家并行、负载均 衡、模型压缩（蒸馏/量化）、缓存策略、异 构计算加速-具备训练优化的深度实践经验优先：分布式训练、显存优化（如Zero/Offload)、计算通 信Overlap、混合精度、MoE架构调优-熟悉Kubernetes工作原理，熟悉调度器、资 源扩展机制、容器运行时、容器网络等技术， 有Kubernetes开发和维护经验优先-有独立的分析问题和解决问题的能力，有强 烈的责任心，较强的学习能力和沟通能力

三四月份一直在准备保研和在校内做科研，当时顺便把BAT和一些其他大厂的算法岗也都投了个遍，但无一例外全简历全进垃圾桶了，也浪费了许多投递机会。可是当时不懂事，中小厂当时都不想投，感觉没必要。可是被挂太多简历了，于是又投了一些非互联网公司的算法，只有huawei机器学习接了我的简历，对接的HR一开始很热情，但机试过了之后就被晾在了一边，也不约面也不挂，后来自己调研了一下组的情况感觉也不是很想去，这一套下来对华子的印象也不太好，就懒得联系不了了之了。结果就是金三银四直接过去了（当时还没这个概念），直到五月末忙校内后才抛弃幻想，想着还是做点先开发吧，毕竟算法是近一年才开始有产出，而且是AI安全方向的...

如前所述，笨人二月份的时候来NV测开实习了，本来想混个转正，但是现在秋招都开了我们实习生还毫无转正的消息，都不知道是不是要等到明年。现在好多厂都开始提前批了，但是根本不知道能去干什么。感觉考虑三个方向：1、传统后端开发。java之前才学到java se，后面还没学，也没做项目什么的，不知道能不能一个月速成一下？或者c++也会点，拿c++做个项目？或者直接重新学go？2、基础架构工程师。实习期间做过一点点linux内核，qemu，docker，k8s之类的东西，但是都非常的浅显，感觉面试官可能都不想问3、大模型应用开发，实习期间有一个很简单的mcp+rag的框架项目，感觉可以蹭一蹭，但是远远不够反正实习期间就是什么都做过一点但是都不深…应该选什么方向好呢？各位大佬能不能指点一下，油或者说这三个方向其实要准备的技术栈是一样的呢还是说应该离职不要蹲了全力秋招

最近由于三大外卖平台“打仗”，优惠券多到数不过来，一日三餐每个平台各点一单哈哈哈，正好最近组织内部还有朋友在北京的京东面试过，分享一下她的面经（Java岗）：1. Kafka消息不丢失问题，Kafka本身会去保证消息的不丢失，为什么还需要存一个本地消息表来保证消息的不丢失呢？Kafka 本身通过副本机制、生产者确认（acks）、消费者手动提交等设计理论上可以实现消息不丢失，但在实际分布式系统中，由于业务逻辑复杂性、中间件与业务操作的原子性难以保障，仍需要引入“本地消息表”等额外机制。以下是具体原因及解决方案的对比分析：Kafka 消息不丢失的机制及其局限性生产者端acks=-1：要求所有 IS...