AI多模态存储与向量化计算

1.参与下一代多模态向量存储与检索引擎的架构设计与核心研发，构建面向检索增强生成（RAG）、多模态理解等AI场景的高性能向量数据存储系统。 2.攻克海量多模态数据（图像、文本、视频、音频等）的向量化表示、高并发近似最近邻（ANN）索引及动态更新等性能瓶颈，保障高吞吐、低延迟下的混合检索质量。 3.深入大模型应用、智能搜索、推荐等多模态业务，精准洞察现有向量存储与计算架构的痛点，设计并落地端到端的存储、索引与推理协同优化方案。 4.探索前沿的向量量化压缩、基于学习索引、混合检索、存算一体等理论与技术趋势，推动多模态向量计算技术的创新与业务落地。 5.提炼技术成果，在顶级学术会议或期刊发表高质量论文、产出核心专利，打造团队在Data+AI基础设施领域的技术影响力。

1.计算机科学、软件工程、人工智能、电子工程或相关领域的本硕博在校生，能连续实习三个月以上者优先。 2.具备扎实的算法与编程功底，熟练掌握 Python、C++ 或 Rust 中至少一门语言。 3.在向量化存储、近似最近邻搜索、分布式索引与存储、高性能向量化计算、大模型推理与检索增强（RAG）等任一领域有深入的研究积累。 4.对 Data+AI 基础设施充满热情，学习及动手能力强，具备极佳的独立思考能力，有系统级性能调优、海量数据查询瓶颈排查经验者优先。 5.在相关顶会（如 SIGMOD、VLDB、ICDE、NeurIPS、ICML、SOSP、OSDI、ATC 等）有论文发表经历，或参与过知名向量数据库、大数据开源项目（如 Lance、Milvus、Apache Arrow 等）者优先。