岗位职责
负责隐私计算引擎的架构设计、核心模块研发与性能优化，包括：
- 负责隐私计算引擎的架构设计，包括联邦学习（FL）、安全多方计算（MPC）、可信执行环境（TEE）、同态加密（HE）等技术的实现。
- 主导隐私计算协议层、通信层、调度层、加密算子库等核心模块的代码实现，编写高质量、可测试的工程代码。
- 负责隐私计算引擎的性能优化工作，打造行业领先的性能表现。
- 结合业务场景（如金融、医疗等）完成技术选型与可行性评估，确保架构具备高扩展性、高可用性和可维护性。
- 参与专利、论文、标准规范的撰写与申报，提升团队及产品在行业内的影响力。
职位要求
- 至少精通 C++ 或者 Python 语言之一，相关语言的生态，有优秀的抽象和架构分层能力，对代码质量有追求，包括单测的代码质量，积极参与日常 CR
- 熟悉多线程和网络 rpc 编程，熟悉常用设计模式，有良好的 API 设计能力
- 熟悉分布式系统设计，了解云原生（Docker/K8s），了解基础机器学习算法知识
- 对技术有热情，良好的学习和沟通能力，有责任心，有钻研精神
- 有以下相关条件者优先： - 有大规模分布式机器学习框架的研发经验，熟悉 SPMD/MPI 等编程范式 - 熟悉多方安全计算/同态加密，并且有过相关工程化设计或者调优经验 - 熟悉可信执行环境 TEE 原理，并且有过相关工程化落地经验 - 熟悉深度学习编译器技术栈，有 JAX/TVM/MLIR/XLA 相关经验者优先，有 DSL 设计经验，熟悉常见编译优化方法，熟悉 x86 intrinsic 指令调优等 - 有大规模分布式 OLAP/HTAP 系统的开发经验，了解 Hive/ODPS/Clickhouse/DuckDB 等数据分析系统的工作原理
