岗位职责
- 研究并开发近似最近邻（ANN）搜索算法，重点关注过滤检索、混合检索或基于磁盘的索引方案；
- 优化现有算法，在可扩展性、延迟、内存占用和过滤支持方面持续提升；
- 与工程团队紧密合作，完成算法原型、性能评估与生产系统集成；
- 参与或撰写学术论文、开源项目或内部技术文档；
- 跟踪向量检索、RAG、LLM系统等前沿研究进展。
职位要求
- 计算机科学、应用数学、电子工程或相关方向博士学位；
- 在顶级会议（如SIGMOD、VLDB、SIGIR、NeurIPS、ICML等）有向量检索、索引结构、信息检索或机器学习相关的论文发表记录；
- 深入理解ANN算法、量化技术、图索引与分区索引等核心技术；
- 具备系统级性能分析能力，能够从CPU、内存、存储等多层次对系统进行性能剖析与优化；
- 熟练使用C++或Python，具备索引类算法的实际实现与调试经验。 加分项：
- 有向量数据库或检索系统的实际构建经验；
- 熟悉FAISS、ScaNN、HNSWLib、DiskANN等主流框架；
- 理解分布式系统架构，或具备GPU加速检索的实战经验；
- 有混合检索（稠密+稀疏）、多模态检索或LLM检索相关经验者优先；
- 对将研究成果落地于生产系统充满热情。
