长鑫存储系统级验证主任工程师-System Validation Staff Engineer(J18520)
任职要求
1. 教育背景与专业知识：本科及以上学历，电子工程、计算机工程、微电子或相关专业； 2. 行业与专业经验：具备5年以上内存或高速接口系统验证经验； 3. 专业技能与资格：深入理解DDR4/DDR5和LPDDR4/5/5X架构、命令协议、训练机制及ODT控制，能操作高速测试设备（示波器≥30 GHz、BERT、协议分析仪）…
工作职责
1. 验证策略制定与执行：制定并执行LPDDR/DDR内存颗粒或DIMM产品的系统级验证策略与测试计划，确保覆盖功能、性能与兼容性； 2. 多平台验证测试：在Intel/AMD/ARM服务器、笔记本、嵌入式SoC等平台上进行功能、时序、信号完整性、电源完整性及热稳定性测试； 3. 高速信号质量分析：使用高速示波器、逻辑分析仪、BERT、协议分析仪等工具完成DDR信号质量分析，包括眼图、时序裕量、抖动等指标； 4. 关键流程验证：开发测试case，在目标系统上完成ZQ校准、ODT、Write Leveling、Read/Write Training等关键流程验证； 5. 自动化脚本开发：开发自动化测试脚本，提升验证效率与覆盖率； 6. 失效分析与根因定位：协同设计人员分析并定位系统级失效问题（如boot failure、ECC error、timing violation），推动根因分析与修复验证； 7. 客户支持与认证：支持客户参考平台（CRB）和ODM/OEM客户的AVL认证与Design-in问题闭环，输出技术文档与调试指导； 8. 测试方法论创新：推动基于AI的异常检测、仿真-实测相关性分析等测试方法创新。
1、研究与算法实现： （1）参与图数据库代码知识图谱的构建与优化，借鉴最新的 RepoAudit 等研究成果。 （2）设计并实现基于强化学习（RL）的探索与反馈循环，包括智能体、动作空间、奖励机制。 （3）实验和优化多种RL策略（如PPO、DPO、GRPO、DAPO、GSPO）在真实图数据库测试场景的应用。 2、系统开发与实验： （1）构建可编译运行的图数据库测试平台，负责自动化测试流程（提出预言机→生成用例→执行验证→反馈奖励）的实现。 （2）针对开源图数据库（NeuG、Neo4j、RedisGraph、NebulaGraph等），验证并提交新型逻辑错误。 3、论文与成果输出： （1）参与撰写技术报告和学术论文，总结测试预言机生成的新方法与实验结果。 （2）协助开源端到端研究原型及技术文档的完善与维护。
1. 复杂系统级建模与集成 (Complex System-Level Modeling and Integration): -- 主导新型异构并行计算架构的系统级功能模型 (System-Level Functional Model) 设计与实现。 -- 负责集成各个IP模块的功能行为模型 (Behavioral Model)，构建完整的片上系统 (SoC) 虚拟平台 (Virtual Platform)，并确保模型在功能上的高保真度 (High Fidelity)。 -- 该模型将作为固件 (Firmware)、驱动程序 (Driver) 以及上层应用软件 (Application Software) 开发、预集成和早期验证的基础平台。 2. 关键IP的精确级建模 (Precise-Level Modeling for Key IP): -- 对自研或定制的关键计算IP（如NPU/DSP/专用加速器等）执行事务级 (Transaction-Level) 的比特精确功能建模 (Bit-Accurate Functional Modeling)。 -- 确保模型和设计Spec的准确性， IP级模型将作为Golden Model 用于RTL功能验证，支持算法验证和早期性能瓶颈分析。 3. 建模方法学研究与性能优化 (Modeling Methodology Research and Performance Optimization): -- 研究并引入先进的功能建模方法学和仿真技术（如**TLM 2.0/SystemC/C++**等）。 -- 专注于提升模型仿真速度 (Simulation Speed) 和吞吐量 (Throughput)，以满足大规模软件回归测试和快速迭代的需求。 -- 持续优化虚拟平台的效率 (Efficiency) 和可扩展性 (Scalability)。
1. 复杂系统级建模与集成 (Complex System-Level Modeling and Integration): -- 主导新型异构并行计算架构的系统级功能模型 (System-Level Functional Model) 设计与实现。 -- 负责集成各个IP模块的功能行为模型 (Behavioral Model)，构建完整的片上系统 (SoC) 虚拟平台 (Virtual Platform)，并确保模型在功能上的高保真度 (High Fidelity)。 -- 该模型将作为固件 (Firmware)、驱动程序 (Driver) 以及上层应用软件 (Application Software) 开发、预集成和早期验证的基础平台。 2. 关键IP的精确级建模 (Precise-Level Modeling for Key IP): -- 对自研或定制的关键计算IP（如NPU/DSP/专用加速器等）执行事务级 (Transaction-Level) 的比特精确功能建模 (Bit-Accurate Functional Modeling)。 -- 确保模型和设计Spec的准确性， IP级模型将作为Golden Model 用于RTL功能验证，支持算法验证和早期性能瓶颈分析。 3. 建模方法学研究与性能优化 (Modeling Methodology Research and Performance Optimization): -- 研究并引入先进的功能建模方法学和仿真技术（如**TLM 2.0/SystemC/C++**等）。 -- 专注于提升模型仿真速度 (Simulation Speed) 和吞吐量 (Throughput)，以满足大规模软件回归测试和快速迭代的需求。 -- 持续优化虚拟平台的效率 (Efficiency) 和可扩展性 (Scalability)。
课题介绍 当前企业面临系统孤岛、AI 无法自主执行、能力无法复用三大挑战。NIO Skyworks 对标微软 Fabric 和 Palantir 构建企业 AI 操作系统，本课题旨在打造平台“大脑”——Autonomy Operating System，实现感知-决策-执行-进化的完整闭环。 四大核心方向： 方向一：自主决策引擎 - 多源信息融合、因果推断与反事实推理、多目标优化、不确定性量化。适合决策智能/因果推理/优化算法方向。 方向二：多 Agent 协同编排 - 任务分解与规划、Agent 能力匹配、动态编排与容错、跨系统协同。适合多 Agent 系统/LLM Agent/任务规划方向。 方向三：企业状态感知 - 异常检测、时间序列预测、图网络分析、多模态融合。适合时间序列/异常检测/图神经网络方向。 方向四：自主学习进化 - 反馈循环设计、在线学习、知识沉淀、A/B 测试。适合强化学习/在线学习/知识工程方向。 预期产出 技术产出（优先级 P0）: - 核心模块开发：自主决策引擎原型、多 Agent 编排引擎原型、状态感知系统原型 - 技术文档：Autonomy OS 架构设计文档、核心算法技术报告、API 文档和使用指南 业务产出（优先级 P1）: - 场景验证：在 1-2 个真实业务场景（供应链风险预警/用户运营优化/智能制造决策）中验证系统能力 - 平台集成：将核心模块集成到 Skyworks 平台（AgentSight/KnowledgeSight），支持业务团队使用