教育背景：人工智能、计算机科学、数学或相关专业，硕士及以上学历，博士优先
编程能力：熟练掌握 PyTorch 等主流深度学习框架，具备扎实的编程能力与工程实现能力
能够高质量复现前沿论文，并推动算法从研究原型到工程实现
满足以下任意一种技术栈要求：（1）场景重建：熟悉NeRF/3DGS、3R系列、VGGT、MVS、SLAM等方法，对重建任务有深入理解
（2）场景理解：熟悉3D Segmentation, 3D Grounding等分割、理解任务
（3）模型训练：有大规模 GPU 集群上的模型预训练、微调与后训练经验
具备多模态大模型（如CLIP、LLaVA、Qwen等）的训练或应用经验
（4）学术能力：在SIGGRAPH, CVPR, ICCV, NeurIPS等顶级会议或期刊发表过相关领域的一作论文者优先