记忆算法工程师

研究并设计创新的记忆算法架构，解决长期依赖建模、动态知识存储与高效检索、跨任务知识迁移等核心挑战；

深入探索记忆机制的核心技术方向，包括但不限于记忆的稀疏表征与结构化表征、自适应遗忘与记忆压缩策略、记忆的鲁棒性与可解释性；

聚焦记忆机制在测试时学习（Test-Time Learning）场景下的应用，涵盖少样本与零样本学习、持续学习与终身学习、元学习、基于历史经验的推理与复杂决策等，并针对上述场景设计严谨的实验方案进行深入分析；

探索记忆机制与其他前沿方向的交叉融合，如上下文工程（Context Engineering）、知识图谱融合，以及受类脑计算启发的记忆模型等；

构建记忆算法的评估基准与评测协议，设计能全面衡量记忆提取忠实度、检索效率、安全性与隐私保护、个性化质量等多维度的评测任务与数据集。

硕士及以上学历，计算机、人工智能等相关专业，熟悉自然语言处理（NLP）、计算机视觉（CV）或多模态技术者优先；

熟悉大模型预训练、微调及推理优化，掌握智能体核心算法（如强化学习、多智能体协作、博弈论、决策规划等），有实际项目经验者优先；

精通至少一种深度学习框架（如PyTorch、TensorFlow），具备独立实现复杂模型的能力；

熟练使用Python、C++等编程语言，具备良好的代码规范和工程化思维。有开源项目贡献或算法竞赛经验者优先；

具备优秀的逻辑思维能力、问题拆解能力及创新意识。对AI技术有热情，愿意在智能体领域长期深耕。