1、教育背景 -计算机、数学或相关专业本科及以上学历，硕士博士优先。 2、技术能力 -具有扎实的代码基础，熟练掌握C++/Java/Python等至少一门语言，熟练掌握至少一项深度学习框架，如Tensorflow、PyTorch等。 3、领域专长 有以下领域之一的技术积累： -大语言模型或多模态语言模型，包括预训练、微调、对齐等技术； -文生图/视频，包括扩散模型、ControlNet等技术； -3D生成，包括几何生成、材质生成、高斯重建等技术。 4、技术应用与创新 -具备前沿人工智能技术的跟踪和算法应用能力； -具有较强的动手能力，能快速验证算法可行性。 5、个人素质 -有较强的自我驱动能力、学习能力，并有强烈意愿将技术转化为实际产品，或者进行基础算法的创新研究。 6、学术成果 -在计算机视觉、自然语言处理、模式识别、机器学习等国际顶级会议或者期刊上发表论文、相关国际比赛获奖、及有相关专利者优先。

1、本科及以上学历，计算机相关专业，有云计算/任务调度/高性能计算领域经验； 2、熟悉云计算和资源调度技术Kubernetes，有相关研发经验； 3、熟悉分布式调度系统，有算力任务调度和优化经验； 4.、理解Al Infra生态，有推理优化经验者优先； 5、理解款/硬件技术架构，有相关优化经验者优先。

1.本科及以上学历，计算机、电子信息、自动化、软件工程等相关专业； 2.了解计算机体系结构，掌握基础的高性能计算、GPU并行计算相关知识； 3.了解分布式系统基本原理，有GPU使用、集群部署、性能优化相关项目/实习经验优先； 4.了解AI基础设施(AlInfra)相关生态与基本概念； 5.具备良好的学习能力、团队协作与沟通能力，能够独立分析并解决技术问题。

1、教育背景：计算机图形学、计算机视觉、人工智能、计算摄影、机器人等相关专业，本科及以上，硕/博优先； 2、技术技能： -编程与工程：熟练使用一种主流编程语言（如 Python/C++）与良好工程实践； -熟悉一种主流深度学习框架（如 PyTorch/TensorFlow/JAX）。 3、满足其一或若干项即可： -三维基础：具备多视图几何/相机模型/优化等基础能力，或熟悉三维数据处理（点云/网格/体素/隐式表示等）中的一种常用路径；熟悉任一开源或自研的重建/配准/标定工具（如 COLMAP）； -表示与渲染：了解至少一种 3D 表示（Mesh/Point Cloud/NeRF/3DGS/SDF 等）及其训练或渲染流程；对可微渲染/逆渲染/材质建模等方向中的任一方向有实操或研究经历者优先； -生成建模：熟悉扩散/生成模型在 3D 中的任一典型应用（Text/Image/Video-to-3D、几何/外观生成等）。

1、扎实的编程能力，精通 Python 和 C++； 2、熟悉其分布式（DDP/FSDP）及性能分析工具。有使用DeepSpeed、Megatron-LM等分布式组件进行大规模训练的实际经验； 3、深入理解 PyTorch 框架的内部机制和性能调优，熟悉分布式训练原理（集合通信、AllReduce、NCCL）和常见并行策略； 4、优秀的系统性问题分析和故障排查能力，能从系统日志、性能profiling工具中定位根因。

1、精通Python和C++，具备优秀的代码优化和工程实现能力； 2、深入理解推理的全流程，熟悉常见优化技术。有丰富的ONNX/TensorRT/vLLM/TGI等推理引擎使用或二次开发经验； 3、对扩散模型的原理（前向/反向过程、去噪网络结构）有清晰认识，熟悉HuggingFace Diffusers库，并了解其性能瓶颈所在； 4、熟悉Docker/K8S等云原生技术，有模型服务的部署和调优经验，理解服务化指标（延迟、吞吐、SLO）。