ZIP Lab 聚焦高效机器学习与大模型研究，主线分为算法侧和系统侧，强调算法—系统协同设计。
如需了解团队与最新研究成果，欢迎访问我们的实验室主页和论文列表。
目标科研发表：MLSys OSDI EuroSys ICLR ICML NeurIPS 等。
长期招收本科生、研究生及 gap 期间的同学；在读同学请先征得本校导师同意。
以下方向均可从自己的兴趣和经验切入，也欢迎带着 idea 来讨论。
大模型训练、推理和服务的端到端效率：分布式并行、KV Cache、稀疏与低精度计算、请求调度和推理引擎。
支撑智能体运行的基础设施：模型与工具路由、Agent Runtime、任务编排、记忆管理、并行执行和可观测性。
面向现代加速器的高性能算子与 Kernel：算子融合、数据布局、并行策略、低精度、稀疏计算和 profiling。
研究大语言模型与多模态基础模型的结构、训练和推理效率，包括稀疏化、量化、蒸馏与长上下文。
研究世界模型、多模态推理、空间记忆与长时序建模，并关注可扩展的系统化评测。
zip.lab@outlook.com
系统侧请抄送：bohan.zhuang@zju.edu.cn，erix025@outlook.com
算法侧请抄送：bohan.zhuang@zju.edu.cn，wangweijie@zju.edu.cn
邮件标题注明 "实习生-院校-年级-姓名-对应的项目（MLSys / Agentic Infrastructure / Kernel Efficiency / World Model）"
请附上含成绩/排名等信息的简历
最后更新：2026年8月25日