我们相信：

若要让模型真正成为“科学推理者”，必须把人类科学的硬核部分——理论框架、推导逻辑、约束结构与可反驳的预测——转化为模型可学习、可验证、可迭代的机制。你在这里做的不是“整理资料”，而是将场论/凝聚态/统计物理、数学证明与方程、理论化学与结构表征中的“推理范式”抽象成可计算资产，并把它们直接注入模型训练与推理系统，推动模型走向更高阶的科学发现能力。

岗位描述：

科学推理与知识建模研究员/资深研究员： 能够把复杂科学问题形式化、把推导过程结构化、把假设变成可反驳预测，并把这些能力转化为可训练、可评测、可落地的大模型能力的人。你可以来自理论物理、数学、理论化学/材料表征，也可以来自神经-符号融合、自动推理、定理证明或科学智能相关方向——但你需要具备强研究驱动力与严谨性。

你将负责（Responsibilities）

• 把“科学推理”变成可学习机制：将关键理论体系中的概念、假设、近似、边界条件、守恒/对称性、量纲与推导链条抽象为结构化表示与可计算“推理规则”，沉淀为可复用的推导资产。
• Neural-Symbolic 推理系统：探索神经模型与符号/形式系统的深度耦合（可执行推导、约束与验证器协同、结构化记忆与检索、反例生成等），在保证可扩展性的同时显著增强可解释性与可验证性。
• 可验证推导与证明闭环：构建可执行的推导/证明验证流程（符号推导、数值 sanity check、约束一致性、单位/量纲一致性、边界条件与反例分析），把“正确性”从事后评估提升为系统内生能力。
• 推导基准与训练任务设计：提出并构建面向科学推理的核心任务与基准（推导补全、证明检查、方程求解与优化建模、反事实推断、约束满足），并形成高质量训练与评测数据。
• 提出与检验新理论/新范式（研究主线）：围绕关键科学问题，推动“假设提出—形式化表达—推导/证明—可检验预测—反例与边界条件”闭环，产出可复现的理论或方法体系；目标不是仅复现已知理论，而是推动新的物理/数学/化学结构与范式探索。
• 参与并（可）牵头科学大模型训练与迭代：与 LLM/MLLM 团队协作，把上述推理规则、验证器与基准任务注入预训练/后训练流程（目标函数、数据构造、评测与消融），必要时端到端推进某一方向的模型训练与效果交付。
• 学术影响力（明确交付）：将核心方法与系统成果沉淀为高质量论文/技术报告，在合规与 IP 边界内，以顶会顶刊为目标建立国际影响力。

必备要求（Must-have）

• 在以下至少一个方向具备扎实研究能力：
• 理论物理（场论/凝聚态/统计/高能等） / 数学（证明、方程、优化） / 理论化学或材料表征。
• 能将复杂理论问题形式化为可计算任务，推导严谨、复现意识强。
• 具备优秀的实现能力（Python/Julia/C++ 任一优先），能把方法落地为可运行原型、基准与工具。
• 具备高水平研究与写作能力：能将方法与结果沉淀为论文/技术报告，并以顶会顶刊为目标持续产出。

加分项（Nice-to-have）

• PhD（理论物理/数学/计算化学/材料/ML/CS 等）或同等研究训练。
• 顶会顶刊发表记录（方向匹配即可）：PRL/PRX/Nature Physics/JCP/JACS/CMP/Nature Machine Intelligence/NeurIPS/ICLR/ICML/ACL 等。
• Neural-Symbolic、自动推理、定理证明、形式化验证、符号计算等方向的研究/工程经验。
• 有“提出新理论/新方法并严格验证”的经历（论文、技术报告或可复现代码）。

你会得到什么

• 把理论推导能力直接转化为模型能力的舞台：从“推导资产→训练目标→模型迭代→科学发现”完整链路。
• 与基础模型、类脑算法、Agent、ML Infra 团队同场协作，推动真正的科学智能系统落地。
• 真实科学与工程约束下的验证场：让理论与模型走出纸面，走向可检验的预测与可复现的进展。

微信扫一扫，及时了解投递状态

您目前还没有登录：立即登录