-在读硕士/博士，能保证每周 4 天以上、持续 6 个月以上的实习投入 -了解 Kubernetes、容器、GPU 任务运行或分布式训练相关概念者优先 -了解大模型基本结构和训练流程，如 Transformer、Attention、dataset、loss、optimizer、checkpoint、evaluation 等 -了解至少一种大模型训练或推理框架，如 Transformers、DeepSpeed、FSDP、Megatron-LM、verl、vLLM、SGLang 等 -对 Coding Agent、后训练、推理服务、训练基础设施或 GPU 性能优化方向有兴趣，愿意深入学习 -加分项 -有 LLM 后训练（SFT/DPO/GRPO/蒸馏）或 agent 训练的实战经历 -熟悉 code agent harness（如 open-coder、OpenHands / Claude Code 类框架），做过轨迹合成或改写清洗 -参与过大规模分布式训练调优，或主流推理引擎（SGLang/vLLM）的性能优化 -有 CUDA / 算子 / 通信优化、量化、并行策略相关经验 -有代码智能体 / agentic 评测、reward modeling、可验证反馈相关经验 -有开源贡献、竞赛、或能展示深度的个人项目