现在有两个地方看起来比较合适，一个是去做业务场景落地，比如大模型应用到业务上，微调，agent这些；一个是去做基础技术，比如大模型 KV cache 等等优化，针对多模态场景的 KV cache 等等。两个平台都不错，图片上就是第二个。我的情况是，博士读书期间主要做科研，写论文，做的是多模态算法，改改网络结构，发发论文这些。感觉很多师兄师姐都是去做业务场景落地，不过工作可能也比较偏数据处理，业务调优等等。好处就是这个岗位需求大，跳槽也容易。坏处就是卷。。。基础技术研发感觉比较偏底层，做 kv 复用，kv检索等等，里面研究员，博士比较多。这个岗位好处是技术比较深，坏处可能需求量少，做模型基础平台技术不需要太多人请问大家这两个应该怎么选呢 #计算机# #深度学习与神经网络# #多模态# #大模型#  #大模型推理# #offer帮选#

9月18日投递，30日笔试，10月17日一面，面完当晚挂 自我介绍 拷打了简历上的两个项目 问使用的语言 面试官说他们的部门主要做后端的，用C++、go 问是否用过Redis、K8s 问是否用过Docker 问TCP/UDP的区别 问写过套接字没有 问Linux软连接与硬链接 问是否用过代码版本管理 然后问堆与栈的区别是什么 问反转一个单向链表的思路 反问：业务：做人形机器人，有算法类的同事，但面试官部门主要做后端

【华为2012实验室AI推理方向秋季招聘】对AI大模型推理系统加速、应用优化、架构设计等感兴趣且想加入华为的同学欢迎联系我，有一定深度学习基础即可，我们更看重学习能力，一起研究共同进步，推荐丰厚的职业机会。地点：北京、上海、合肥、杭州、深圳联系人：李学长，私聊加微信联系一、AI系统软件工程师岗位职责：1、面向大模型、搜索推荐、自主无人系统等关键行业AI应用场景，负责昇腾平台AI软件系统瓶颈分析以及优化方案的设计开发; 2、负责AI训练/推理系统的优化方案设计和开发，结合AI算法对系统的要求，通过网络、IO、调度等方面优化，提升AI系统性能; 3、构建面向AI的系统性建模、瓶颈分析及仿真能力，持续优化昇腾AI软硬件系统，提高昇腾AI平台的竞争力。岗位要求：1、计算机、软件、自动化、电子、通信、机器人等相关专业； 2、编程基础扎实，熟悉掌握python/C/C++编程语言，有良好的架构设计和编程习惯； 3、具备独立工作能力和解决问题的能力、善于沟通，乐于合作，热衷新技术，善于总结分享，喜欢动手实践； 4、有AI模型训练、模型应用部署相关开发和性能优化经验；5、有AI训练框架、AI推理引擎的开发经验，或算法硬件加相关经验者优先。二、AI推理加速工程师岗位职责：1、面向AIGC类大模型，主流商业场景的CV/NLP/语音/推荐类的AI模型推理场景，负责通用的推理加速和量化压缩算法的设计、开发、落地；2、结合昇腾硬件特性，设计昇腾亲和的推理加速算法，构建昇腾推理算法竞争力；3、面向大模型场景，研发高倍率的模型压缩算法，减少大模型部署成本。4、把握业界和学术界最新研究进展和技术趋势，持续提升算法竞争力。岗位要求：1、熟悉计算机视觉/自然语言处理/搜索推荐等方向主流的AI模型及模型推理加速算法，有丰富的推理加速和模型压缩经验，主导过完整的算法研发、优化及落地；2、熟悉通用的参数类、结构类AI模型压缩与加速算法，包括量化、剪枝、蒸馏、网络结构搜索、图优化等；善于自动组合各类模型压缩算法达到最佳的压缩比和推理性能收益，有Transformer大模型的加速经验为佳。3、熟悉业界常见的推理引擎，如TensorRT、vllm、TGI等，熟悉常用的推理加速技术；4、具备较强的算法研究能力，可快速跟踪洞察业界最前沿AI领域技术，主导算法的持续领先。