职位描述1. 参与 大模型推理系统 的研发与优化，涵盖执行引擎、批处理调度、缓存与动态并发策略； 2. 优化推理路径性能，提升 吞吐率、延迟与稳定性，探索算力与响应速度的平衡； 3. 设计并实现 推理加速机制（如图计算优化、KV 缓存、高效张量调度等）； 4. 参与构建面向 多模态与 Agentic 系统 的推理框架，支撑智能体在真实场景中的快速决策与反馈； 5. 跟踪推理服务的前沿趋势（Speculative Decoding、Context Caching、Dynamic Routing 等），验证其在工程中的落地。任职要求1. 计算机及相关专业，2027 年及以后毕业； 2. 熟悉 Python / C++，具备良好的系统设计与性能分析能力； 3. 理解主流 AI 框架（PyTorch / TensorRT / vLLM / FasterTransformer 等）或推理引擎机制； 4. 对 系统性能优化、分布式服务架构、推理调度 等方向有浓厚兴趣； 5. 若有异步系统、高并发、缓存机制或工程性能调优经验者优先； 6. 能连续实习 3 个月以上，每周出勤至少 4 天。 我们能提供 1. 直面超大规模推理集群的真实系统环境； 2. 与算法、系统、Infra 团队协同优化推理链路的机会； 3. 来自资深系统架构师与模型工程师的 1v1 指导； 4. 若实习表现优异，可转正为全职工程师，共同建设下一代智能推理基础设施。
