1、硕士及以上学历，计算机类、电子信息类、软件工程、人工智能、自动化等相关专业； 2、扎实的计算机基础，掌握数据结构与算法、操作系统、计算机网络等核心知识；熟练掌握 Python，熟悉异步/并发编程，具备良好的代码规范，了解c++、cuda编程； 3、熟悉 Linux 环境与容器化基本功，掌握 Docker 基本使用、Shell 脚本及常见调试排障方法；理解异步任务队列、限流/重试/熔断等分布式系统基本概念； 4、对以下任一方向有课程项目、竞赛或实习经历： 训练优化方向：熟悉分布式训练并行策略（DP/TP/PP/ZeRO），了解大模型显存管理与通信机制（NCCL），有 Megatron/DeepSpeed 使用经验； 推理加速方向：熟悉主流推理引擎架构与使用，了解模型量化、剪枝、蒸馏或 KV-Cache 优化原理； MLOps工具链方向：有模型训练、评测、转换、部署流水线开发经验，熟悉 MLflow / Wandb 等实验追踪工具； 5、加分项（任一即可）：1. 了解 KV Cache、投机采样等 LLM 推理优化技术；2. 有 CUDA/Triton 算子编写与性能调优经验；3.参与过百亿/千亿参数大模型从 0 到 1 的训练或高并发推理部署落地；4.有自动驾驶（感知/规划/决策）算法工程化经验；5.有开源贡献/技术博客/完整工程作品集（GitHub/Gitee）； 6、具备良好的沟通协作与文档能力，主动性强，愿意跨团队合作落地 AI 能力。