职位描述
我们正在寻找一位动手能力强、视野开阔的智能体研发工程师，加入 AI for Science 团队。你将负责让智能体走出对话框，去规划、执行并闭环调控真实的科学实验系统，通过大量自动化实验与评测比对，为每一类科学任务找到最可靠的智能体设计与反馈机制。更重要的是，你将直面 AI4S 当下最硬的一个问题，模型报告的“变好”，究竟是真的变好，还是只是把指标刷高了。这里的每一天，都是在为科学发现的自动化建立可信的底座。
【岗位亮点】
- 让智能体真的动手：不是 benchmark 上的 agent，而是接到真实科学系统上的 agent。它要自己提假设、下参数、看结果、改方案，并且承担做错的后果。这类闭环经验目前非常稀缺。
- 做 AI4S 里最难的那一层：可信评测。区分“物理上真的改善”与“指标被刷高”，本质上和 reward hacking、agent evaluation、过程奖励是同一个问题，只是在这里有物理定律作为唯一裁判，对错没有模糊空间。
- 成果有双出口：顶刊论文与开源代码同时推进。你的工作会被外部复现和引用，而不是沉在内部 repo 里。
【岗位职责】
1. 智能体系统构建与闭环实验
•设计并实现面向科学任务的智能体，涵盖任务规划、工具调用、状态记忆与多轮反馈；
•将智能体接入真实实验平台，完成从需求到闭环运行的全过程，处理真实数据中的漂移、噪声与失败样本；
•针对不同任务类型，比较不同智能体架构与反馈机制的实际表现，输出方案选型报告。
2. AI4Physics 建模与物理先验融合
•将物理前向模型与神经网络结合，解决逆问题、重建与参数反演类任务；
•探索用物理仿真替代真实标注数据的可行边界，验证零样本与跨域泛化能力；
•完成系统的消融实验，说明性能提升到底来自哪里。
3. 评测体系与知识沉淀
•建立智能体评测集与实验数据库，记录不同任务、不同设定下的最优配置，形成内部选型规范；
•设计能识别指标欺骗的评价指标与对照实验，保证结论可复现、可追溯；
•定期整理典型案例，输出技术报告与开源文档，为团队积累实战经验。任职要求
1. 教育背景
•计算机、人工智能、自动化、应用数学、物理、光电、精密仪器等相关专业均可；
•实习岗位，仅限27届及以后毕业的同学投递
2. 专业与动手能力
•在以下方向中至少有一项扎实经验：大模型与智能体（planning、tool use、memory、multi-agent）、强化学习、生成模型、逆问题与优化；
•熟练使用 PyTorch，能独立完成从数据、训练到评测的完整链路，读得懂论文并复现得出来；
•有 benchmark 设计、模型评测或 reward hacking 相关经验者优先；
•对物理或实验科学有基础了解或强烈学习意愿者加分。不要求你已经懂物理，要求你愿意学到能和做实验的人对上话。
3. 软性素质
•会怀疑自己的结果，看到指标上涨的第一反应是找漏洞而不是发消息；
•沟通清晰，能向非 AI 背景的科研人员解释模型在做什么、边界在哪里；
•耐心细致，对实验数据敏感，习惯记录和总结；
•能接受真实实验的反复失败，具备独立推进问题的能力。
【我们提供】
•真实的实验平台：硬件、数据与算力齐备，跑一个想法不需要处处协调资源
•明确的成果归属：一作机会与作者署名在项目启动时就摊开讨论，不留模糊地带
•前沿技术视野：直接参与顶刊投稿与评审流程，了解 AI4S 领域未来三到五年的真问题
•清晰的职业路径：可向研究科学家、算法负责人或技术管理方向发展
•团队氛围：开放、协作，鼓励试错与经验共享
【其他说明】
•工作地点：北京、上海、深圳、成都均可
