1)教育背景：计算机科学、软件工程、人工智能、数学等相关专业硕士及以上学历； 2)图计算系统理论基础：熟悉图计算相关理论，掌握分布式图计算模型，掌握经典图算法（如链接预测、图表征、社区发现、图遍历等）的实现与优化 3)图神经网络与图表示学习：掌握GCN、GraphSAGE、GAT、GIN等基础模型，理解消息传递范式与过平滑问题；熟悉时序图神经网络（TGN、TGAT）及大规模GNN训练方法。 4)数学基础：具备扎实的数学基础，包括线性代数、概率论与数理统计、优化理论等，能够独立进行图算法复杂度分析与模型收敛性证明。 1)编程能力：熟练掌握Python、Java等编程语言，熟练使用Git、Docker，具备良好的代码编写习惯和工程化能力； 2)图神经网络开发与优化能力：熟练使用主流图计算框架，能够实现大规模图上的GNN训练，具备时序图神经网络建模调优经验，掌握GNN推理加速方法（量化、剪枝）。 3)前沿技术跟踪及业务落地能力：能够跟踪SIGMOD、VLDB、OSDI、NeurIPS等顶会最新图计算成果，具备新计算范式（增量图计算、异步图计算）快速原型化并适配业务的能力，能与产品、算法团队协作实现技术产品化落地。