推理平台研发与优化：参与大模型推理平台的后端开发与维护，在导师指导下进行性能调优，协助保障推理服务的高可用性与高性能运行。 核心模块开发与维护：参与大模型 KVCache 集群相关模块的开发与维护，学习并协助解决大规模并发推理场景下的内存瓶颈问题。 资源调度与成本管理：参与推理服务计算资源、流量及任务调度的开发，协助优化集群资源利用率，探索降低推理成本的技术方案。 监控体系建设：协助建立和完善推理服务的监控告警体系，参与日常的性能异常排查与系统故障定位，保障服务稳定运行。 架构设计与多模态支持：参与推理服务的架构设计与讨论，协助支持多模态模型及不同规模模型的推理需求落地。

2027届毕业生，统招本科及以上学历，计算机、软件工程、人工智能或相关专业。 具备扎实的计算机基础，熟悉数据结构与算法、计算机网络、操作系统及分布式系统基本原理。 熟练掌握 Go / Python 中的至少一门编程语言，具备良好的代码规范与系统设计意识。 对 大模型推理 有浓厚兴趣，了解 KVCache、PD分离、模型量化、模型并行等推理优化技术的基本概念，有相关研究或项目经验者优先。 了解 Kubernetes 容器化部署，熟悉 Volcano 等 GPU 资源调度系统或有相关实践者优先。 熟悉至少一种主流大模型推理框架（如 vLLM、SGLang、TensorRT-LLM、Dynamo 等），有源码阅读或二次开发经验者优先。 具备良好的逻辑分析能力、团队协作精神和独立解决复杂问题的能力，能够承受一定的工作压力。