开发教育大模型专用编译器，优化计算图融合、内存分配、指令调度等核心模块，提升训练 / 推理速度。 针对教育场景稀疏性（如知识点关联图）设计自动优化策略，支持动态 Shape 和多模态数据处理。 集成 TVM/MLIR 等开源工具链，实现与 PyTorch/TensorFlow 等框架的无缝对接。

博士学历，计算机科学、编译原理相关专业，3 年以上 AI 编译器开发经验，有 TVM/MLIR 贡献者优先。 精通 LLVM/Polyhedral 优化，熟悉教育模型计算图特性（如长序列依赖、多任务并行）。 具备教育数据处理经验，能设计符合教学隐私合规的编译优化方案。