你将参与

研究数学推理、形式化证明与复杂科学任务；探索强化学习与科学计算结合的新方法；构建科学数据、评测体系及科学智能体系统；跟踪 AI4Math、AI4Physics、Formal Reasoning 等前沿方向。

我们希望

硕士/博士，数学、物理、计算机、统计等相关背景；具备扎实数理基础、编程能力与科研能力；熟悉机器学习、大语言模型或科学计算相关技术。Lean / Isabelle / Coq、PDE、优化理论、数值计算或相关竞赛成果加分。

你将参与

研究大模型与生成式 AI 在分子设计、蛋白设计及材料发现中的应用；探索机器学习与科学知识融合的方法；构建科学数据、评测体系与科学智能体，支持科研任务自动化。

我们希望

博士优先，生物、化学、材料、计算机、人工智能等相关背景；对 AI 与科学交叉研究有浓厚兴趣；具备机器学习基础、编程能力与科研能力。蛋白质语言模型、分子生成、GNN、科学知识图谱或开源项目经历加分。

你将参与

研究强化学习与大语言模型结合的新方法；提升模型在推理、规划、工具使用等复杂任务中的能力；探索 Long-Horizon Reasoning、Test-Time Scaling 等方向；构建训练、评测与优化体系。

我们希望

硕士/博士，计算机科学、人工智能、数学、自动化等相关背景；熟悉 RL、LLM、Reasoning Model 或 Agentic Learning 至少一个方向；具备扎实编程能力与算法基础。RLHF、DPO、GRPO、开源项目或 ACM/Kaggle 经历加分。

你将参与

• 负责多智能体强化学习方向的前沿算法研究与方案设计，围绕 long-horizon 决策、持续学习、自我改进和协同优化开展工作
• 研究并实现长程任务中的自我蒸馏（self-distillation）与强化蒸馏（reinforcement distillation）机制，提升策略质量、样本效率与泛化能力
• 研究 step-level 策略学习方法，设计更细粒度的状态、动作、反馈与中间监督机制
• 研究 trajectory reuse、credit assignment、delayed reward 传播等关键问题，提高长链路任务的训练稳定性和优化效率
• 研究多智能体协同机制，包括任务拆解、角色分工、策略路由、信息共享、经验复用与协作决策
• 结合 online RL、offline RL、imitation learning、distillation 等方法，搭建统一的训练范式
• 设计并建设可复用的算法实验平台与开源框架，包括数据回放、评测基准、训练流水线、可观测性与实验复现能力
• 与工程团队协作，将研究成果落地到真实智能体系统中，持续迭代训练闭环与评估体系
• 跟踪并分析相关领域最新进展，推动高质量论文、技术报告、开源项目或核心专利产出

我们希望

• 计算机、人工智能、数学、自动化或相关专业硕士及以上学历，博士优先
• 在强化学习、序列决策、智能体系统或多智能体学习方向具备扎实研究基础
• 深入理解以下若干关键主题中的多个：policy optimization、offline RL、imitation learning、model-based RL、credit assignment、hierarchical RL、continual learning、multi-agent RL
• 具备较强的算法抽象和问题建模能力，能够把复杂智能体行为拆解为可训练、可验证、可评估的学习问题
• 熟练使用 Python 和 PyTorch，具备较强的实验能力、工程实现能力和代码质量意识
• 有较强的科研判断力，能够独立完成问题定义、方案设计、实验分析与结果复盘
• 对 long-horizon agent training 有真实理解，能识别训练中的奖励稀疏、误差累积、探索不足、策略退化、分布偏移等核心挑战
• 具备良好的论文阅读与复现能力，能够快速把前沿工作转化为可执行实验
• 具备良好的沟通协作能力，能够与算法、工程、产品团队共同推进研究落地

加分项

• 有多智能体强化学习、长程规划、工具使用型 Agent、过程监督、轨迹建模等方向的实际研究或落地经验
• 有 self-play、curriculum learning、RLAIF、过程奖励建模、经验池设计、回放机制优化等经验
• 有 LLM Agent、蒸馏训练、小模型专业化、策略路由、记忆机制或上下文压缩相关经验
• 有分布式训练、异步采样、大规模实验调度与性能优化经验
• 在顶会/顶刊发表过相关论文，或持续参与高质量开源项目
• 有从 0 到 1 搭建算法框架、benchmark 或研究基础设施的经历