Jane Street 2026 实习生项目盘点：ML 研究、Linux 工程与交易台运营

又到了回顾 Jane Street 实习生在这个夏天所做项目的时候了，不过今年我们打算覆盖更多项目，并且介绍得更深入一些。特别是，我们会纳入一些来自历来难以公开谈论其工作的团队和岗位的项目——比如机器学习研究和交易台运营。这些领域有太多令人兴奋的工作，实在不能略过。

希望下面的内容能更完整地展现实习生在这里所做的工作类型，例子来自机器学习研究、Linux 工程、IT、战略与产品，以及交易台运营工程师。即便如此，这也只是数百个项目中的一小部分（而且完全没有涉及我们的交易实习，那更像是一种“你得亲身在场”的学徒经历，甚至更难总结）。

如果你有兴趣做下面看到的这类工作，不妨申请试试！更多详情见：Jane Street 实习。我们 2027 年实习的申请现已开放！

总之，让我们开始吧。

机器学习研究与工程

今年，我们既有机器学习研究实习，也有首届机器学习工程实习班。

这里有一个来自机器学习工程的绝佳例子。

Arsh Koneru 开发了一种激活检查点方案，其表现优于 PyTorch 的方案，从而将模型训练运行控制在紧张的 RAM 预算之内。在激活检查点中，你会在神经网络的反向传播中重新计算某些节点，而不是在前向传播时保存它们。这以计算换内存。Arsh 的项目涉及找到一组更好的待重算节点。他通过解析来自 torch.compile 的中间 dynamo 图，并贪心地挑选每释放一字节峰值内存所需重算成本最低的节点，实现了这一点。在此阅读完整报告。

研究侧的项目与工程项目风格不同，它们往往更具探索性——它们确实是研究。在准备这篇文章时，我审阅了几位实习生的工作日志，令我印象深刻的是，他们做实验时如此坚持不懈——而且如此迅速！往往在第一周就扩展到严肃的训练运行。（换作我，可能才刚把编辑器设置成自己喜欢的样子……）一个半月后（实习生每个夏天做两个项目），他们报告的发现，用下面某个项目导师的话说，可能会“非常重要”。

Kavish 使用自回归扩散创建了一个市场数据的事件级生成模型。如果你能进行骗过分类器的长程推演，你就拥有了一个合成数据来源。但即便只是训练这样一个模型的过程，也能揭示一个我们长期感兴趣的问题：市场数据到底有多连续？在此阅读完整报告。
Monte 探索了多种对抗 LLM 记忆化的方法。我们希望 LLM 做出预测，而在历史基准上它们往往看起来相当擅长——但它们擅长是因为在预训练期间记住了结果吗？这正是此类系统在生产中面对知识截止之后的新预测任务时常常失败的一个原因。Monte 利用发散解码、蒸馏、自然语言自编码器以及一些提示工程，试图量化记忆化，并看看能否在不损害样本外表现的情况下将其从模型中消除。在此阅读完整报告。

当然，还有许多其他很酷的项目我们无法深入介绍，其中包括：

Kohki 的神经网络能够针对订单簿上任何订单的未来回答详细问题。与经典的时间序列设置相比，所要求的接口——对可变大小订单簿的逐订单预测，全部以单个共享输入序列为条件——很不寻常，经过大量实验，Khoki 找到了一种非常适合它的巧妙架构。
Alexander 的序列模型，它同时预测股票收益和未来输入特征，然后测试树搜索展开和自我蒸馏是否能胜过直接收益预测。
Ritvik 的实验，通过用 KV 缓存蒸馏进行预热来加速大型模型上的预填充。
Dashiell 尝试刻画 Mamba 模型中 bf16 与 fp32 隐藏状态退化，以看他能否开发量化感知训练。

以及其他许多项目！

软件工程

除了机器学习之外，今年我们本可以撰写大量项目，但考虑到写作的是人类，我们不得不将其控制在一个可管理的数量。

Theodor Totev 构建了一个性能测试框架，并实现了一种索引策略，以加速 Aria 中的“tip recovery”，Aria 是 Jane Street 大量使用的消息传递框架，用于状态机复制。当客户端处理消息稍慢时，只要客户端与流的“tip”保持在一个环形缓冲区容量之内，服务器仍会维持连接。以前，这意味着即使客户端只对总 Aria 流中一个很小的子集感兴趣，也要扫描并过滤环形缓冲区中的所有消息——这在生产环境中多次导致我们的服务器变慢！Theodor 的代码为每个 Aria“topic”分区构建并维护一个到环形缓冲区中消息偏移量的密集索引，在实际场景中使 CPU 利用率降低了 30%，并在这些时段显著降低了客户端的整体延迟。在此阅读完整文章。
Sai Konkimalla 开发了 lib/spmd，这是一种 OxCaml 中的隐式单程序多数据 DSL，面向 CPU SIMD 指令，类似于 Intel 的 ISPC。它从 Halide 和 Dex 中汲取灵感，将调度与代码分离，并对索引集进行推理。尽管 Sai 没有完成 SIMD 后端，但与手写 C 内联函数相比的初步结果看起来很有希望。

这里也快速提一下我们本想多写一些的众多其他项目中的几个：

Mikołaj Kołek 在 Datafetcher 中编写了一个基于驻留/哈希合并的调试图压缩实现，Datafetcher 是一个用于抽象外部数据请求的非常强大的内部库。Kołek 的项目涉及处理多个压缩器在同一图上工作时的棘手竞态。
Stanislaw Malinowski 评估了 ILP/SAT 求解器，作为我们贪心调度器将市场数据应用程序分配到主机上的替代方案，并获得了有希望的结果。
Chien-Yu Xiong 实现了一个更好的协调协议，用于控制对我们 Gurobi 集群的访问，以处理线性规划和优化问题。
Oscar Xu 提高了为我们的交易系统提供数据的一个重要特征工程库的性能。以前，系统必须在单个进程中消费市场数据、跟踪特征并评估特征向量。Oscar 的工作使其中一些可以在共生进程中完成，通过共享内存中对称双缓冲的地址向交易系统暴露访问器。

Linux 工程与 IT

Jane Street 的 Linux 工程师职责范围广泛，工作内容涵盖从数据中心配置和编排、通过 Nix 和 RPM 交付的内核与驱动，到生产与研究规模存储，管理与我们本地平台无缝集成的云基础设施，以及与 IT 和网络工程团队合作，管理网络上的 Linux 桌面。今年夏天，实习生们在这些领域承担了大量项目，但我们想重点介绍几个特别突出的：

Jacob Root 构建了一个弹性内核日志报告器，确保即使磁盘或网络发生故障，内核日志仍然可用。为此，他不得不根除一些令人意外的依赖关系：甚至确定发送日志的主机和端口也依赖磁盘，因为 DNS 解析会触及 /etc/resolv.conf 和 /etc/hosts。当网络也中断时，Jacob 的工具会回退到 Linux 的 pstore 子系统，它提供了一种由存储系统固件的同一非易失性内存支持的极简持久化存储机制。所有这些让我们能够以我们喜欢的那种深度调查单个崩溃，尤其是在历史上难以调试的、没有带外管理的系统上。在此阅读完整文章。
Kian Kasad 开发了一个 OCaml 原生的 FUSE（用户空间文件系统）库，为内部存储系统 Depot 构建高性能只读 FUSE 服务器。过去，我们一直能够依赖现成的存储产品（如 Dell Isilon 或 VAST Storage），但随着数据集规模的增长，我们构建了 Depot，作为专为研究工作负载设计的高度可扩展对象存储。遗憾的是，我们核心交易研究基础设施中的各种组件期望通过常规 POSIX 文件系统接口访问文件，而 Depot 的客户端库全部使用 OCaml。Kian 的项目弥合了这一差距，经过耐心的性能优化，读取速度达到 1.3 GiB/s，且仍有提升空间。在此阅读完整文章。
Max Ohm 为 Windows 开发了一个集中式配置管理系统，取代了一套已变得难以理解的分布式 PowerShell 脚本。在 Max 的系统中，一个用 OCaml 开发的中央编排器与运行在每台主机上的无状态 F# 代理交互。该设置极大地简化了客户端逻辑，并有助于为指定升级哪些主机类别以及如何升级的顶层配置脚本带来类型安全。Max 项目的巧妙之处之一在于其细致的测试方式，新旧系统可以并行运行，并报告两者之间的任何差异。这揭示了旧系统中一些长期潜伏的细微错误。在此阅读完整文章。

交易台运营工程师

交易台运营工程师（TDOE）确保我们的交易台平稳运行。他们与交易员、交易台开发人员以及财务和会计等运营团队深度协作。某一天，TDOE 可能会调查关键系统的故障，编写 OCaml 代码来自动化容易出错的流程，或与交易员坐在一起共同构建仪表板。TDOE 必须在稳步提高工作流程和系统韧性与交易的紧急需求之间取得平衡。

今年夏天的实习项目比以往任何时候都多，覆盖的团队也更多。实习生们在交易台上的工作范围从全球资本市场部的可转债交易分析，到奇异期权交易的现金流对账。

阅读更多——还有更多实习生项目！——请见随附文章：TDOE 实习生们完成了什么，2026 版

战略与产品

战略与产品专员是多才多艺、跨职能的贡献者，推动公司范围内的各项计划。该职位需要一种独特的组合：既要有大局观思维（“这对业务为什么有价值？”），又要有深入的分析性解决问题的能力。

全职 SP 在公司所有领域工作：在交易台上、在基础设施团队中，以及与科技团队合作。SP 实习生直接嵌入一个团队，与一位全职导师配对，并获得我们真正关心要完成的真实项目。今年夏天的一些项目包括：自动化全机队 Linux 内核升级；对几种类型贷款的费支出建模，以便更好地将融资成本分配到不同种类的交易中；改进我们在特殊日期管理风险限额的方式；等等。

你可以在这里了解它们：SP 实习生们完成了什么。