基础软件·科研启蒙体验营（大二学生）

说明

本实验室关注3个研究方向（编译优化、内存管理、端侧大模型推理）。学生可以自己选择一个自己最有感觉的方向继续探索和体验。
大二学生以月为单位，布置和完成任务，并进行1v1讨论。
优先考虑已完成或正在学习CSAPP1-3章、第7章、第9章的同学。如果你没学过，但愿意在第一个月内补完这些章节（约20小时），也可报名。

适合谁：

大二在读，对“代码跑起来之后发生了什么”感到好奇
不确定自己是否喜欢系统软件方向，想先动手摸摸看
时间有限，每月愿意投入8~10小时
你不需要：
- 不需要学过编译原理
- 不需要高性能电脑
- 不需要承诺长期在实验室

你能收获：

亲眼看到编译、内存、推理的“真实样子”
一份带截图的个人探索日志（可写入简历“科研经历”栏）
如果坚持两学期，我为你出具保研推荐信

如何加入：

发一封邮件给我，标题为 [大二体验营] 姓名-学号，正文回答三个问题：
- 你为什么想来？
- 你目前学过哪些和系统相关的课程？
- 你最想尝试三个方向中的哪一个（如果完全没概念，写“随便”也行）？

你的选题和安排（每月一个微任务）

第一学期（共4个月）：从“CSAPP知识”到“编译器/运行时手感”

月份	方向① 编译优化 (鸿蒙/安卓)	方向② 内存管理 (GC/分配器)	方向③ 端侧大模型推理
第1月	“从汇编看优化”：写一个`sum_array`函数，用`gcc -O0`和`-O2`编译，对比生成的汇编（`objdump -d`），标出哪些指令被优化掉了（结合CSAPP第3章）。	“CSAPP malloc实战”：基于CMU的`malloc`实验（lab5）的手动实现版，要求跑通并画出空闲链表的指针追踪图。	“内存占用解析”：加载一个50MB的PyTorch模型，用`pmap`看内存布局，标出哪些段对应CSAPP第9章的“堆/共享库/栈”。
第2月	“链接的威力”：将一个C程序拆成3个`.c`文件编译成`.o`，对比静态链接（`-static`）和动态链接下可执行文件的大小和启动时间（`time`命令）。	“模拟Mark-Sweep”：用C语言实现一个基于CSAPP第9章（页表）的简易GC模拟器——用`mmap`分配大块内存，手动标记可达对象。	“内存分配器对决”：在手机上运行llama.cpp，用`dumpsys meminfo`记录推理前/中/后的内存变化，分析内存分配器（jemalloc vs glibc）的碎片差异。
第3月	“读IR”：用Clang生成LLVM IR（`-emit-llvm -S`），对照CSAPP第3章的x86-64汇编，逐行手写注释说明每条IR对应的汇编指令意图。	“分代GC直觉”：用Python模拟分代假说——统计一个长时间运行的程序中，新创建对象被回收的比例（用随机数模拟）。	“模型加载的缺页分析”：用`perf stat -e page-faults`监控模型加载过程，结合CSAPP第9章解释为什么首次推理慢于第二次。
第4月	“月度复盘+交叉初探”：提交一份1页技术笔记，回答：“`-O2`优化中，哪个汇编变化最让你惊讶？为什么？”	“月度复盘”：提交一份1页技术笔记，回答：“你的模拟GC中，标记阶段遍历了多少内存页？如何估算？”	“月度复盘”：提交一份1页技术笔记，回答：“模型加载触发的缺页中断次数，是否与模型文件大小成正比？”

第二学期（共4个月）：进入“微手术+交叉融合”

月份	方向① 编译优化	方向② 内存管理	方向③ 端侧推理
第5月	“真·修改Pass”：在LLVM中给`hello.c`写一个函数内联（Inline）的简易Pass（参考LLVM官方文档），对比内联前后的汇编代码量。	“真·GC观察”：用`jstat -gc`监控一个Spring Boot微服务（可本地运行），记录GC频率与堆使用率的关系曲线。	“真·量化对比”：用`llama.cpp`的`-q`参数将模型从FP32量化到INT4，对比精度损失（用同一个输入输出）和加载速度。
第6月	“Benchmark自动化”：用Python脚本自动编译运行CoreMark，分别记录`-O0`、`-O1`、`-O2`、`-Os`的分数，画一张优化等级-性能曲线图。	“分配器微调”：修改`tcmalloc`或`jemalloc`的线程缓存大小参数，跑同一个多线程程序，统计内存分配耗时变化。	“推理自动化”：写一个脚本，自动循环跑100次推理，记录每次的延迟和内存峰值，输出最大值/最小值/中位数。
第7月	“交叉①+②”：在运行Benchmark时，用`/usr/bin/time -v`记录最大常驻内存（RSS），分析编译优化等级如何影响编译器自身的内存占用。	“交叉②+③”：在手机推理过程中，用`adb shell top`监控系统整体内存压力，分析GC是否因内存紧张而更频繁触发。	“交叉③+①”：在CPU-only模式下跑推理，用`perf`统计指令数（instructions）与CPU周期数，分析量化后的模型是否受益于CPU的SIMD指令优化。
第8月	“最终交付”：提交一份3页以内的实验报告 + 一个可运行的演示脚本 + 一段3分钟的口头汇报视频（手机录屏即可）。	同上，但侧重内存维度。	同上，但侧重推理维度。