1、具备时序预测、异常检测、软测量、工况识别中至少两类任务的端到端经验；2、熟练使用 PyTorch；具备 Transformer 架构原理与实践经验（时序或可迁移的序列建模均可）；3、理解并实践过预训练/微调/域适应中至少一类完整流程；4、具备大规模时序或日志数据处理经验（千万行级及以上），熟悉高效数据加载与清洗流水线；5、具备严谨回测与评测能力：时间序列验证、泄漏防范、基线对比；6、能将实验流程模块化/脚本化；7、具备参数辨识与软测量的完整工程经验：优化求解与初值处理、辨识结果可信度评估、化验滞后对齐、在线校正、置信度与适用域给定；8、具备灰箱建模实践：能说明机理项与数据项如何切分、残差如何约束，并能给出「模型何时不可信」的判定机制；9、具备开源时序基础模型的微调经验（LoRA/PEFT 等参数高效微调之一），以及协变量（外生变量）建模能力。