推理优化RSI agent实习生

我们正在利用自进化 Agent，自动优化大模型推理系统的部署配置与 GPU 算子。你将参与构建“性能分析—优化方案生成—部署与执行—正确性验证—性能评测—反馈迭代”的闭环，推动 Agent 根据真实实验结果持续改进优化策略，提升推理效率、降低推理成本。

岗位职责

**自动调优 Agent 研发：**参与任务规划、工具调用、实验执行与反馈分析等模块开发，探索能够根据运行结果调整搜索策略、积累优化经验的自进化机制。

**推理引擎配置优化：**围绕 vLLM、SGLang 等推理引擎，开展批处理、并行策略、KV Cache、CUDA Graph 等参数的自动搜索与调优，结合硬件资源和业务负载寻找更优配置。

**GPU 算子生成与优化：**面向 Attention、GEMM、MoE、归一化及量化等关键算子，探索基于 CUDA、Triton、TileLang 等技术的代码生成、性能分析与迭代优化。

**评测与工具链建设：**建设可复现的实验环境，接入性能分析、精度验证和真实负载回放工具，评估优化方案对任务耗时、吞吐、延迟、显存占用及成本的影响。

**成果集成与验证：**参与优化配置与算子的推理引擎集成，探索动态资源感知、跨模型与跨硬件经验复用，完善候选方案验证、实验记录及回滚机制。

计算机、人工智能、软件工程、电子信息、数学等相关专业本科及以上在读，对 AI Infra、性能优化或 Coding Agent 有浓厚兴趣。

熟悉 Python 和 Linux 开发环境，具备扎实的编程基础、良好的调试能力和工程习惯。

了解 PyTorch、Transformer 及大模型推理的基本流程。

在以下至少一个方向具有项目或研究实践：

**推理系统：**使用或开发过 vLLM、SGLang 等推理引擎，有模型部署、性能分析或参数调优经验。

**算子优化：**使用 CUDA、Triton、TileLang 等完成过 GPU 算子开发、正确性验证或性能优化。

**Agent：**构建过具备工具调用、代码执行、自动测试或反馈迭代能力的 Agent。

具备良好的问题分析能力和实验习惯，能够认真记录配置、日志和结果，独立复现问题并验证改进效果。

加分项

熟悉 GPU 体系结构、存储层次、Tensor Core、算子融合或低精度计算。

使用过 Nsight Systems、Nsight Compute 等性能分析工具，有可量化的优化成果。

有自动调优、贝叶斯优化、进化搜索或代码生成评测相关经验。

有面向代码或系统优化任务的数据构建、SFT、强化学习实践。

有推理引擎、算子库、AI 编译器或 Agent 相关开源贡献。