方向：自主科学发现智能体｜下一代大语言模型｜AI for Physics/Math/Chemistry/Materials

地点：北京 / 上海

宁德时代科学通用人工智能学院（Sci-AGI）正在探索一个极具挑战的问题：如何让通用人工智能真正参与科学发现？

当前大语言模型已经在数学证明、代码生成与知识问答中展现出强大的推理潜力，但在真正的顶级科学发现中仍存在明显局限：它们可以生成证明、调用工具、完成验证，却往往缺少对科学概念的深层理解、对理论结构的消化重组，以及从异常现象中提出新概念和新理论框架的能力。我们希望通过三条路线提升 AI 的科研能力：第一，构建面向物理、数学、化学、材料等领域的专业知识 skills，让模型掌握科学推导、验证与实验设计的核心方法；第二，设计自主 self-evolving agents 系统，使智能体能够围绕科学问题持续提出假设、调用工具、组织多智能体协作、反思失败并自我迭代；第三，研发下一代大语言模型与科学基础模型，在架构、训练范式、记忆、推理与概念生成能力上推动突破。我们的目标不仅让 AI 会回答科学问题，还要让它具备参与科学研究、重构科学概念、提出可检验理论的能力。

我们正在组建一支实习生研究队伍，面向顶尖高校中最聪明、最有探索欲、最不满足于“只做已有任务”的同学们。无论你来自计算机/AI，还是物理、数学、化学、材料等基础科学方向，只要你有强烈的自主创新意识、扎实的数理或工程能力、愿意挑战未知问题，我们都欢迎你加入。

研究方向

1. 自主科学发现多智能体系统

参与研发面向理论科学研究的 Multi-AI Agents，重点服务于理论物理、数学、理论化学、计算化学与材料理论等方向的推理与发现过程，包括：

•        文献阅读、理论脉络梳理与问题识别 Agent

•        科学概念生成与假说提出 Agent

•        数学/物理/理论化学推导 Agent

•        方程求解、符号计算、数值验证与反例搜索 Agent

•        计算模拟与材料/分子建模 Agent

•        反思、批判、验证与多智能体协作 Agent

目标不是简单完成文献问答或工具调用，而是让多个智能体围绕一个理论科学问题，完成从“现象/矛盾识别—概念生成—数学形式化—理论推导—计算验证—反例分析—理论修正”的闭环。我们希望通过专业知识skills、自主 self-evolving agents 系统与下一代大语言模型，提升 AI在理论物理、数学与理论化学中的科研能力，使其从“生成证明/答案”进一步走向“理解概念、重构理论、提出可验证的新解释框架”。

2. 下一代大语言模型与科学大模型

参与下一代 LLM/MLLM 与科学大模型的基础研究，包括但不限于：

•        新型模型架构与训练范式

•        长程推理与记忆系统

•        world model / next-thought predictor

•        科学推理数据构建与评测

•        mid-training、post-training、模型对齐与工具使用

•        面向物理、数学、化学、材料任务的多模态训练

我们希望模型不仅能“读懂文本”，还要逐步具备理解科学概念、连接数据与理论、形成可检验推理链的能力。

3. AI for Theoretical Science：Physics / Math / Chemistry / Materials

我们将重点探索 AI 如何参与理论科学工作的建立过程。研究方向包括：

•        理论物理中的概念生成、理论结构重构、符号推导与可验证推演；覆盖场论、凝聚态、统计物理等方向

•        数学中的定义生成、命题发现、证明策略、方程求解、优化建模与形式化验证

•        理论化学与材料理论中的分子/材料结构表征、相互作用建模、结构—性质关系、势能面与多尺度理论近似

•        神经符号推理、物理约束学习、可计算理论表示与科学知识结构建模

•        面向新概念、新方程、新理论框架与新材料机理的生成、推导、反例搜索与计算验证

我们鼓励实习生不仅复现已有论文，更要尝试提出自己的理论问题与研究假设：在导师和团队支持下，将科学直觉转化为可形式化、可推导、可验证的研究路径，并将结果沉淀为高质量实验报告、技术文档、论文或原型模型。

你将负责

•        参与自主科学发现智能体、下一代大语言模型、科学大模型、 AI4Science 前沿方向的某一方向的基础研究与创新探索。

•        跟进 NeurIPS、ICML、ICLR、ACL、EMNLP、CVPR、CoRL、RSS、Nature Machine

Intelligence 等国际顶会顶刊成果，完成高质量文献调研、技术复盘与路线比较。

•        复现关键论文算法，设计 ablation 实验，完成模型训练、调参与效果分析。

•        将 AI 算法应用于理论物理、数学、计算化学、材料科学等科学发现任务，探索 AI 辅助甚至推动科学突破的可能性。

•        协助构建科学推理数据集、评测基准、多智能体工作流和可复现实验系统。

•        撰写实验报告、技术文档、研究简报、专利材料或论文初稿，沉淀研究成果。

•        与全职研究员/工程师共同参与真实科研项目，推动想法从 paper idea 变成可运行系统和可发表成果。

我们希望你具备

学历与背景

•        优选在读博士/硕士，特别优秀的本科生也欢迎申请。

•        专业不限于计算机。欢迎以下方向同学申请： 计算机科学与技术、人工智能、机器学习、NLP、多模态学习；数学、应用数学、统计、优化、理论计算机；物理学、理论物理、凝聚态物理、统计物理；化学、计算化学、材料科学、能源材料；电子信息、自动化、机器人等相关方向。

技术能力

•        扎实掌握机器学习、深度学习基础，理解Transformer、大语言模型预训练、微调、对齐与评测的基本原理。

•        熟练使用 Python，掌握 PyTorch 或其他主流深度学习框架，能独立实现模型、跑实验、调参数、做复现。

•        具备良好的英文论文阅读能力，能够快速理解前沿论文的核心假设、方法、实验设置与局限。

•        有较强的实验设计与分析能力，能完成 ablation、benchmark、error analysis 和技术复盘。

•        具备清晰写作能力，能把复杂技术问题写成结构化报告、研究简报或论文草稿。

科研气质

•        对 AGI、科学发现、数学推理、物理理论、化学与材料问题有真正兴趣。

•        不满足于“调包跑模型”，愿意追问模型为什么有效、为什么失败、如何改进。

•        能独立思考，有主动提出问题和推进问题的能力。

•        面对不确定研究问题有耐心，愿意长期啃硬问题。

加分项

•        有 NeurIPS / ICML / ICLR / ACL / EMNLP / CVPR / CoRL / RSS / AAAI 等顶会投稿、发表或高质量科研项目经历。

•        有 LLM、MLLM、Agent、RAG、强化学习、科学推理、自动定理证明、神经符号推理等项目经验。

•        有物理、数学、化学、材料方向较强理论训练，能读懂并推导专业文献中的公式和模型。

•        有开源项目、竞赛获奖、科研代码复现、独立博客/技术文章等能证明能力的作品。

•        有较强工程能力，能在 GPU 环境下完成模型训练、数据处理与实验管理。

你将获得

•        参与宁德时代科学通用人工智能学院核心研究项目的机会，接触 AGI for Science 一线课题。

•        与科学大模型、多智能体、类脑智能、理论物理/数学推理、AI4Science 等方向研究员共同工作。

•        参与与顶尖高校、国家实验室、科研院所、前沿 AI 公司及产业伙伴的联合研究、学术交流和合作项目，接触真实的跨机构科研网络。

•        有机会参与高质量论文、技术报告、专利和内部核心系统建设。

•        对表现优秀者，提供长期实习、正式岗位、联合培养或重点推荐机会。

我们特别欢迎这样的学生

你可能是计算机系学生，已经复现过LLM/RL/Agent 论文，想做比“应用大模型”更底层的研究；

你可能是物理或数学学生，热爱推导与理论结构，也相信 AI会改变科学发现方式；

你可能是化学或材料学生，熟悉分子模拟、DFT、MD 或实验数据，希望把领域知识和foundation model 结合起来；

你也可能是本科生，但已经展现出远超年级的自学能力、代码能力和研究直觉；

如果你希望在 AGI 到来的窗口期，参与一次真正面向科学发现的基础研究探索，欢迎加入我们。

投递材料建议

请提供：

1. 个人简历及代表性项目/论文/代码链接（如有）；

2. 一页以内的研究兴趣说明：你最想探索的 AGI for Science 问题是什么？你为什么认为它重要？

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