计算机技术与科学（人工智能）

负责深度学习、大模型（LLM）、CV/NLP、推荐系统等核心算法的研究、训练与推理优化，并推动前沿技术规模化落地至搜索、推荐、自动驾驶等实际业务场景，解决准确率、时延等关键问题；

主导分布式系统、云原生基础设施或数据库引擎的架构选型与设计，攻克高并发、高可用、数据一致性等难题，支撑亿级用户流量；

深入底层进行异构计算（GPU/NPU）加速、编译优化或操作系统内核调优，榨干硬件性能；并负责制定技术演进路线，进行重大技术决策；

博士研究生，专业涵盖计算机科学、软件工程、人工智能、网络安全等。研究方向极度细分且必须精准匹配，系统方向需具体到“分布式一致性协议/云原生调度/数据库内核”。

核心技术硬技能：

AI/算法方向：数学功底极深（概率图模型、凸优化、矩阵论）；精通 PyTorch/TensorFlow 并具备底层算子开发能力；熟悉 分布式训练框架（DeepSpeed/Megatron），掌握模型剪枝、量化等推理优化技术，且代码能力需达到 ACMer/LeetCode Hard 水准。

系统/架构方向：精通 C++/Rust/Java，深入理解 Linux内核、网络协议栈；有分布式系统（ZooKeeper/etcd）或 数据库/存储引擎 内核开发经验，并能通过 eBPF/perf 进行性能剖析，具备处理 高并发、数据一致性 的实战能力。

科研产出硬通货（生命线）：AI方向通常要求 NeurIPS/ICML/CVPR/ACL 等A类会议；系统方向则看重 SOSP/OSDI/SIGCOMM/NSDI。