思勰投资投研平台与基础架构团队 实习热招

职位信息

1. 高性能分布式存储系统开发实习生 

该方向聚焦数据密集型与模型密集型工作负载下的存储与数据通路问题。典型对象包括大规模数据集、模型 checkpoint、研究因子数据与高并发读写路径，理解吞吐、时延、CPU 开销、DMA 路径、网络协议与设备能力之间的系统级约束。 

工作举例： 

刻画训练数据、研究数据、checkpoint 等典型负载的 I/O 模式与访问分布  

分析从用户态运行时到文件系统、块层、网络栈与设备队列的关键路径  

评估 RDMA、NVMe-oF、SPDK、GPUDirect 等技术在特定场景下的收益与代价  

研究缓存、数据布局、队列模型、零拷贝路径与协议栈选择对端到端性能的影响  

基于 trace、benchmark 与真实任务回放验证新路径或新架构的有效性  

参与下一代高吞吐、强扩展存储底座的接口与实现设计  

要求： 

熟练使用现代 C++  

熟悉 Linux 存储栈或 RDMA 网络之一  

具备扎实的系统开发经验  

能够围绕性能问题建立分析与验证闭环  

2. 操作系统开发实习生 

该方向关注高性能计算与资源敏感型负载下的操作系统行为，希望从内核机制层面理解性能损失、资源干扰与拓扑效应，并针对特定负载建立可验证的系统优化路径。 

工作举例： 

分析 CPU 调度、NUMA 访问、页分配与回收、内存带宽竞争、cgroup 隔离等机制对负载行为的影响  

沿内核关键路径定位性能损耗来源，包括调度延迟、缺页、跨节点访问、锁竞争与系统调用开销  

使用 perf、eBPF、vTune 等工具建立 workload characterization 与内核侧观测方法  

研究容器、虚拟化与资源隔离策略在 HPC/ML 负载下的边界与代价  

设计并验证面向特定工作负载的内核或系统级优化方案  

将实验性结论整理为可复现 benchmark、patch、分析报告或工程化机制  

要求： 

扎实的 Linux 内核基础  

熟悉系统性能分析方法  

具备较强的系统编程与实验验证能力  

有操作系统相关科研或工程经验者优先  

3.机器学习基础设施开发实习生 

该方向位于模型执行与系统软件的交界处，关注训练与推理系统中的瓶颈传播、资源利用率与执行效率问题，需要理解模型计算图、输入通路、通信同步、运行时调度与硬件资源之间的耦合关系。 

工作举例： 

分析训练与推理路径中的端到端瓶颈，包括输入 pipeline、host-device 传输、算子执行、通信同步与显存行为  

研究不同并行策略、缓存机制、batching 策略与 runtime 调度方式对系统效率的影响  

参与训练框架、推理引擎或服务系统关键模块的设计与实现  

定位 GPU 集群利用率损失来源，并在系统层、框架层或执行层推进优化  

结合实际模型与真实负载，对候选机制进行实验评估与迭代  

将经验性优化抽象为更通用的基础设施能力  

要求： 

熟练使用 PyTorch  

扎实的操作系统、分布式系统或计算机体系结构基础  

有 MLSys 相关项目、研究或工程经验  

能够将模型行为与系统实现联系起来  

4.基础系统开发实习生 

该方向面向通用投研基础设施，关注高性能系统在长期演进中的稳定性、透明度与可维护性。核心问题通常来自复杂生产环境中的尾延迟、资源抖动、异常归因、链路黑箱与长期技术债。 

工作举例： 

开发和维护支撑投研流程的核心系统组件  

分析生产链路中的性能退化、稳定性问题与容量边界  

建设 metrics、logging、tracing、profiling 等可观测性能力  

研究异常模式、系统行为漂移与瓶颈演化路径，并推动改进方案落地  

将局部问题沉淀为平台能力、调试工具或工程规范  

在性能、复杂度与维护成本之间做系统性权衡  

要求： 

熟练使用 C++ 或 Python  

扎实的操作系统或分布式系统基础  

具备良好的工程实现与调试能力  

对系统稳定性与可观测性问题有持续兴趣  

实习体验 

你将在实习期间接触量化场景中的真实计算负载与生产约束，并据此理解系统问题在实际环境中的形成方式与优化边界。我们希望这段经历能够帮助你建立对系统领域研究和业界生产环境中一些开放问题的判断力，以及参与到跨计算栈的复杂系统设计、分析与优化的工程经验。 

表现优秀者可获得长期合作或转正机会。 

投递方式 

https://app.mokahr.com/social-recruitment/sixiecapital/42909#/ 直达官网投递，或通过员工 / 实习生内推渠道提交申请。