1、硕士及以上学历，计算机科学、人工智能、数学或相关专业。 2、扎实的图论基础（如社区检测、路径分析），熟悉经典布局算法（如Fruchterman-Reingold、Sugiyama）。熟悉图数据库（Neo4j、Nebula）或可视化库（D3.js、Three.js）者优先。 3、2年以上图算法或图计算系统研发经验，精通图表示学习(Graph Embedding)、图神经网络(GCN,GAT, GraphSAGE 等)及经典图算 法(社区发现、路径规划、节点分类/链接预测)。 4、熟练掌握至少一种主流图计算框架(如 PyG， DGL,NetworkX)或 图数据库(Neo4j, NebulaGraph, TigerGraph)。 5、具备大语言模型的实际经验，包括训练、微调(如DeepSeek、Qwen等)。能将复杂业务问题抽象为图问题并设计高效算法解决方案。

1、负责设计和实现高性能的Graph布局算法，解决大规模复杂网络的可视化布局问题，以及实际业务中的复杂关系建模问题。 2、算法研发：研究并实现力导向（Force-Directed）、层次化（Hierarchical）、多维度缩放（MDS）等经典布局算法，优化其计算效率和稳定性。 探索深度学习（如GNN）与布局算法的结合，提升动态图、超大规模图（百万级节点）的布局效果。 3、性能优化：针对Web端或移动端场景，通过并行计算（WebGPU/WASM）、空间分割（QuadTree）、增量计算等技术降低布局耗时。 4、工程落地：与前端团队协作，将算法封装为高性能SDK（如D3.js、G6、Cytoscape插件）；或为知识图谱平台提供布局服务API。 5、跟踪图计算、强化学习、大模型领域的前沿进展。探索图与 AI前沿技术结合：探索利用强化学习训练大模型增强图数据处理、图结构理解或图文本联合建模。