美图全栈开发实习生 / Summer Intern- Full-Stack Development（厦门）

岗位概述 参与美图影像研究院（MT Lab）核心 AI 底层基础设施与前沿交互应用的研发。作为支撑算法落地的全栈工程核心，你将参与构建从底层算子优化、算法中台到上层 AR 渲染的全链路系统，将前沿的计算机视觉与 AIGC 理论转化为影响亿级用户的真实影像体验。 本岗位为 2026 年暑期实习，全职实习时长 5 个月以上。实习期间表现优秀者，将有机会获得留用。 职责方向 ● 算法平台研发： 参与 AI 算法中台及基础设施的架构设计与 C++ 开发，构建支撑海量数据与大模型的高效训练、自动化评测与部署工具链。 ● 前沿 AR 研发： 参与跨平台 AR 特效引擎及图形渲染的底层研发，配合设计师打造创新 AR 特效，并对渲染相关技术进行前瞻性研究。 ● 极限算法调优： 深入 AI 落地“最后一公里”，负责深度学习模型在异构硬件（移动端/PC/服务端）上的极限性能调优，涵盖算子优化、内存管理及并发加速。 ● 全栈工程协作： 与顶尖算法研究员深度协作，以全栈视角理解复杂 AI 逻辑，设计高可用、高扩展的工程架构，加速 AI 能力的业务化落地。 任职资格 ● 教育背景： 本科及以上学历在读，计算机、人工智能、数学、电子等相关专业。 ● 计算机基础： 具备极度扎实的计算机科学基础，深入理解数据结构与算法、操作系统体系结构及计算机原理。 ● C++ 编程能力： 熟练掌握 C/C++，具备优秀的系统级开发、性能 Profiling 与复杂问题 Debug 能力，代码风格优雅。 ● AI Native 心态： 习惯并热衷于利用大模型等 AI 工具辅助开发。 ● 算法好奇心： 能够从底层架构视角洞察 AI 模型的工作原理，有志于成长为“懂算法”的全栈工程师。 ● 沟通与内驱力： 具备良好的沟通能力，能清晰阐述技术权衡；有独立解决前沿工程难题的内驱力。 加分项 ● 底层优化经验： 熟悉 ARM NEON 汇编、CUDA/OpenCL 编程，或有 TensorRT、NCNN 等推理框架实战经验。 ● 图形学背景： 熟悉计算机图形学，有 OpenGL、Vulkan 或 Metal 等底层图形 API 开发经验。 ● 开源与竞赛： 在 GitHub 相关生态中有实际 PR 贡献，或在 ACM/ICPC、NOI 等高水平算法竞赛中获得过优异成绩。 Overview: Join the MT Lab to build core AI infrastructure and pioneering interactive applications. As a full-stack engineering core supporting algorithm deployment, you will work on an end-to-end system spanning low-level operator optimization, algorithm middleware, and high-level AR rendering. Your mission is to transform cutting-edge Computer Vision and AIGC theories into ultimate imaging experiences for hundreds of millions of users. This is a full-time summer 2026 internship (5+ months). Strong performers will be considered for a return offer. Responsibilities ● Algorithm Platform R&D: Contribute to the architectural design and C++ development of AI middleware and infrastructures. You will build toolchains that support high-efficiency training, automated evaluation, and deployment for massive data and large-scale models. ● Frontier AR Development: Engage in the low-level C++ development of cross-platform AR engines and graphics rendering. Work closely with designers to create innovative AR effects and conduct forward-looking research on rendering technologies. ● Extreme Algorithm Tuning: Solve the "last mile" of AI deployment by conducting extreme performance optimization on heterogeneous hardware (Mobile/PC/Server), covering operator optimization, memory management, and multi-threading. ● Full-Stack Engineering Collaboration: Work closely with top-tier research scientists. You will interpret complex AI logic from a full-stack perspective to design high-availability and scalable architectures, accelerating the commercialization of AI capabilities.

岗位概述 参与美图影像研究院（MT Lab）核心 AI 底层基础设施与前沿交互应用的研发。作为支撑算法落地的全栈工程核心，你将参与构建从底层算子优化、算法中台到上层 AR 渲染的全链路系统，将前沿的计算机视觉与 AIGC 理论转化为影响亿级用户的真实影像体验。 本岗位为 2026 年暑期实习，全职实习时长 5 个月以上。实习期间表现优秀者，将有机会获得留用。 职责方向 ● 算法平台研发： 参与 AI 算法中台及基础设施的架构设计与 C++ 开发，构建支撑海量数据与大模型的高效训练、自动化评测与部署工具链。 ● 前沿 AR 研发： 参与跨平台 AR 特效引擎及图形渲染的底层研发，配合设计师打造创新 AR 特效，并对渲染相关技术进行前瞻性研究。 ● 极限算法调优： 深入 AI 落地“最后一公里”，负责深度学习模型在异构硬件（移动端/PC/服务端）上的极限性能调优，涵盖算子优化、内存管理及并发加速。 ● 全栈工程协作： 与顶尖算法研究员深度协作，以全栈视角理解复杂 AI 逻辑，设计高可用、高扩展的工程架构，加速 AI 能力的业务化落地。 任职资格 ● 教育背景： 本科及以上学历在读，计算机、人工智能、数学、电子等相关专业。 ● 计算机基础： 具备极度扎实的计算机科学基础，深入理解数据结构与算法、操作系统体系结构及计算机原理。 ● C++ 编程能力： 熟练掌握 C/C++，具备优秀的系统级开发、性能 Profiling 与复杂问题 Debug 能力，代码风格优雅。 ● AI Native 心态： 习惯并热衷于利用大模型等 AI 工具辅助开发。 ● 算法好奇心： 能够从底层架构视角洞察 AI 模型的工作原理，有志于成长为“懂算法”的全栈工程师。 ● 沟通与内驱力： 具备良好的沟通能力，能清晰阐述技术权衡；有独立解决前沿工程难题的内驱力。 加分项 ● 底层优化经验： 熟悉 ARM NEON 汇编、CUDA/OpenCL 编程，或有 TensorRT、NCNN 等推理框架实战经验。 ● 图形学背景： 熟悉计算机图形学，有 OpenGL、Vulkan 或 Metal 等底层图形 API 开发经验。 ● 开源与竞赛： 在 GitHub 相关生态中有实际 PR 贡献，或在 ACM/ICPC、NOI 等高水平算法竞赛中获得过优异成绩。 Overview: Join the MT Lab to build core AI infrastructure and pioneering interactive applications. As a full-stack engineering core supporting algorithm deployment, you will work on an end-to-end system spanning low-level operator optimization, algorithm middleware, and high-level AR rendering. Your mission is to transform cutting-edge Computer Vision and AIGC theories into ultimate imaging experiences for hundreds of millions of users. This is a full-time summer 2026 internship (5+ months). Strong performers will be considered for a return offer. Responsibilities ● Algorithm Platform R&D: Contribute to the architectural design and C++ development of AI middleware and infrastructures. You will build toolchains that support high-efficiency training, automated evaluation, and deployment for massive data and large-scale models. ● Frontier AR Development: Engage in the low-level C++ development of cross-platform AR engines and graphics rendering. Work closely with designers to create innovative AR effects and conduct forward-looking research on rendering technologies. ● Extreme Algorithm Tuning: Solve the "last mile" of AI deployment by conducting extreme performance optimization on heterogeneous hardware (Mobile/PC/Server), covering operator optimization, memory management, and multi-threading. ● Full-Stack Engineering Collaboration: Work closely with top-tier research scientists. You will interpret complex AI logic from a full-stack perspective to design high-availability and scalable architectures, accelerating the commercialization of AI capabilities.

我们是小红书中台大模型 Infra 团队，专注打造领先易用的「AI 大模型全链路基础设施」！团队深耕大模型「数-训-压-推-评」技术闭环，在大模型训练加速、模型压缩、推理优化、部署提效等方向积累了深厚的技术优势，基于 RedAccel 训练引擎、RedSlim 压缩工具、RedServing 推理部署引擎、DirectLLM 大模型 API 服务、QuickSilver 大模型生产部署平台等核心产品，持续赋能社区、商业、交易、安全、数平、研效等多个核心业务，实现 AI 技术高效落地！ 1、参与设计实现支持RLHF/DPO等对齐技术的高效训练框架，优化强化学习阶段的Rollout、Reward Model集成、多阶段训练 Pipline； 2、研发支持多机多卡 RL 的分布式训练框架，开发TP/PP/ZeRO-3与RL流程的动态协同机制，解决 RL 算法在超长时序下的显存/通信瓶刭 3、构建端到端后训练工具链，主导框架与 MLOps 平台集成，提供训练可视化、自动超参搜索等生产级能力 4、与公司各算法部门深度合作，参与大语言模型LLM、多模态大模型 MLLM等业务在 SFT/RL领域的算法探索和引擎迭代； 5、参与分析各业务 GPU 利用率与饱和度等指标，结合业务场景持续优化训练框架能力，提升框架领先性。

我们是小红书中台大模型 Infra 团队，专注打造领先易用的「AI 大模型全链路基础设施」！团队深耕大模型「数-训-压-推-评」技术闭环，在大模型训练加速、模型压缩、推理优化、部署提效等方向积累了深厚的技术优势，基于 RedAccel 训练引擎、RedSlim 压缩工具、RedServing 推理部署引擎、DirectLLM 大模型 API 服务、QuickSilver 大模型生产部署平台等核心产品，持续赋能社区、商业、交易、安全、数平、研效等多个核心业务，实现 AI 技术高效落地！ 工作职责： 1、参与/负责研发面向大语言模型(LLM)/多模态大模型(MLLM)等类型模型的推理服务框架； 2、参与/负责KV Router、PD分离/EPD分离、KVCache管理、动态PD调整等分布式推理能力建设； 3、通过并行计算优化、分布式架构优化、异构调度等多种框架技术，打造高效、易用、领先的AI推理框架； 4、参与/负责构建推理框架的系统容错能力，包括但不限于请求迁移、优雅退出、故障检测、自愈等能力建设； 5、深度参与周边深度学习系统多个子方向的工作，包括但不限于模型管理、推理部署、日志/监控、工作流编排等； 6、与全公司各业务算法部门深度合作，为重点项目进行算法与系统的联合优化，支撑业务目标达成。