The posting
- 围绕大模型测试时学习、强化学习与自进化智能体选择开展算法研究,并将研究原型工程化为可运行的智能体科学系统;
- 设计并实现科学智能体的运行框架(agent harness):任务编排、工具调用、长程记忆与知识沉淀、执行轨迹记录与回放,使智能体能够跨多轮实验积累并复用经验;
- 搭建和维护百亿千亿规模模型的后训练流水线(SFT / DPO / RL)与在线微调基础设施,在有限算力下保证吞吐、稳定性与可恢复性;
- 对接科学数据与模拟器,完成数据接入、预处理与 RL 环境封装;
- 在真实科学问题上验证方法,与领域科学家合作完成端到端的科学发现任务;
- 设计评测基准与实验体系,产出可复现、可量化的研究结果;
- 以第一作者 / 通讯作者身份在顶会顶刊发表论文,参与长线高影响力成果的研究;
- 博士学位,计算机、物理、应用数学、化学等相关专业,或具备同等水平的研究经历; - 有顶会一作论文(NeurIPS / ICML / ICLR 或 Nature 子刊等),或在真实科学问题上做出过实质结果; - 在以下至少一个方向有深入工作:LLM 后训练与强化学习(GRPO / PPO / DPO 等)、持续学习、智能体系统; - 智能体系统与记忆:有 LLM 智能体框架(agent harness)的设计与开发经验,熟悉工具调用、多步规划、上下文管理、沙箱执行与轨迹评测等核心模块;有长程记忆系统的实现经验(记忆分层、向量检索与结构化存储、写入 / 更新 / 遗忘策略),理解如何让智能体跨任务积累并复用经验;有 RL 环境封装经验者优先; - 大模型后训练与大规模训练:熟练掌握 SFT / DPO / GRPO 等方法,独立完成过 32B 以上模型的 RL 后训练并取得可验证提升,熟练使用 verl、OpenRLHF 等框架之一;有多机多卡训练实战经验,熟悉 FSDP / Megatron 并行与 vLLM 等推理引擎集成,能解决显存、通信与稳定性问题;熟悉 LoRA 等 PEFT 方法与持续学习中的遗忘缓解;有 agentic RL 或在线增量更新经验者优先; - 对科学发现有真实兴趣,愿意深入物理 / 化学 / 天文等领域问题,与领域科学家协作; - 良好的英文读写与学术表达能力。 加分项 - 有 AI for Science 研究经验:将大模型、强化学习或智能体方法应用于物理、化学、生物、材料、天文等科学问题,并取得过可验证的成果(论文、系统或科学发现); - 有跨学科研究经验:曾与领域科学家长期合作,或本人具备物理 / 化学 / 天文等学科背景,能快速理解领域问题并将其转化为 AI 可解的任务;



