上海人工智能实验室

职位描述 1. 研究多样化的机器人操作场景搭建（机械臂、灵巧手、移动底盘等），设计物体交互的逻辑与剧本； 2. 研究并设计高效的视觉与轨迹数据合成策略，包括场景布局自动随机化、物理属性扰动以及多模态传感器仿真（RGB/D/触觉），分析数据分布对下游策略性能的影响； 3. 配合算法团队，分析合成数据在真实机器人上的泛化性瓶颈，提出改进数据生成策略的学术方案。 职位要求 1. 机器人、自动化、计算机等相关专业在读本科及以上学历，了解机器人学基础； 2. 熟练使用 Isaac Sim 或同类型仿真器，能用 Python 编写场景脚本与数据导出流程； 3. 具备良好的实验记录与分析习惯，能系统性地比较不同数据生成策略的效果。 加分项： 1. 有 Isaac Sim、MuJoCo 等多仿真器使用经验，熟悉 USD 或 PhysX 特性； 2. 了解领域随机化、数据增广在 Sim-to-Real 中的应用，或有相关项目/论文经历； 3. 发表过机器人学习或仿真相关论文，或参与过具身智能数据集的构建。

核心目标 - 构建充分理解物理世界规律、生成物理环境的、原生安全的基础模型和支撑软件系统。 - 搭建面向科学实验室3D物理环境的生成式基础模型与软件系统；研发面向科学发现的融入物理数据与规律的世界模型。 岗位职责 1. 技术战略与架构规划 - 制定物理世界模型的技术路线图，定义差异化技术方向 - 设计面向科学发现的多模态模拟器架构 - 规划物理智能基础模型的技术演进路径，探索替代大语言模型的新一代模型架构 2. 核心技术研发 - 领导团队在以下至少一个方向进行深度技术攻关： - 3D空间智能：构建面向物理世界的3D感知、理解与生成能力 - 物理世界模型：面向科学发现的融入物理数据与规律的世界模型 - 多模态理解与生成：文本、图像、视频、动态场景的跨模态建模 - 推动生成式AI技术在物理世界模拟中的应用，包括扩散模型、生成对抗网络等前沿技术 - 负责大模型的微调、优化与部署，构建高效的训练与推理框架 3. 科研项目与工程落地 - 主导与中科院、高校等科研机构的合作项目，获取稀缺科研数据资源 - 将前沿研究成果转化为可落地的工程实现，推动算法从实验阶段到生产环境 - 构建高可用、可扩展的AI平台，支持大规模物理世界模型的训练与推理 4. 团队管理与技术领导 - 组建并管理核心技术团队，制定技术评审与质量把控机制 - 培养团队技术骨干，建立技术传承体系，提升团队整体研发能力 - 与其他团队（如操作智能、硬件工程等）协同工作，推动跨领域技术融合 5. 前沿研究与创新 - 持续跟踪生成式AI、物理模拟、具身智能等领域的最新进展 - 评估前沿技术在团队战略方向的应用价值，推动技术创新与突破 - 代表团队参与学术交流，发表高水平论文，提升团队在学术界的影响力 职位要求 基本要求 - 国内外知名高校计算机、人工智能、机器人、自动化等相关专业博士学历 - 同时具备有学术积累和工程化产出能力 技术能力要求 - 核心技术栈： - 深入理解大语言模型、扩散模型、生成对抗网络等生成式AI技术 - 熟悉多模态融合、跨模态理解与生成技术 - 具备物理模拟、机器人控制、3D视觉等相关领域知识 - 工程能力： - 熟练掌握主流AI开发框架 - 具备大规模AI系统设计、优化与部署经验 - 熟悉分布式训练、模型压缩、推理加速等技术 - 研究方向：在以下至少一个方向有深入研究： - 数据工程与大规模数据采集处理 - 算法设计与模型训练优化 - 多模态生成与物理世界建模 管理与领导能力 - 具备技术团队的管理经验，或作为核心骨干承担过技术负责人角色 - 能够制定清晰的技术路线，有效拆解复杂任务，推动项目落地 - 具备优秀的沟通协调能力，能够跨团队、跨领域协作 加分项 - 在顶会（NeurIPS、ICLR、ICML、CVPR、ICRA等）发表过高水平论文5-10篇 - 有开源AI项目贡献或技术社区影响力 - 具备科学计算、物理模拟、计算生物学等交叉学科背景 - 有实验室科研项目合作经验，熟悉科研数据获取与处理

职责描述： 1. 招聘流程运营与系统管理 负责招聘中台系统的日常运营与维护，搭建并持续优化招聘流程管理机制，确保招聘流程高效、规范运转；统筹简历池、人才库及招聘渠道信息管理，提升人才资源复用效率。 2. 招聘数据跟踪与分析 负责招聘全流程数据监控与分析，包括需求、投递、面试、Offer、入职等关键环节的数据追踪，定期输出周报、月报及专项分析报告，为招聘策略优化提供数据支持。 3. 招聘流程标准化与效率提升 参与设计并优化招聘全流程 SOP，识别流程中的关键卡点与低效环节，推动流程标准化、自动化及数字化建设，提升招聘交付效率与候选人体验。 4. 渠道运营与效果评估 协助管理招聘渠道，包括猎头、招聘平台、高校合作、内推等，跟踪渠道投产表现，建立渠道评估机制并输出 ROI 分析，持续优化渠道结构。 5. 招聘质量管理 协助组织面试官培训，推动面试评价标准统一；参与优化面试评价体系，提升评估质量与决策一致性。 6. 跨团队协同支持 对接业务招聘团队、招聘系统供应商及 HRSSC，协助推进 Offer 发放、入职流程衔接等关键节点，保障招聘交付闭环。 任职要求： 1. 本科及以上学历，人力资源管理、统计学、数据分析、管理类相关专业优先。 2. 1–3 年招聘运营、招聘协调、HR Ops 或数据运营相关经验，应届优秀候选人亦可。 3. 对数据敏感，具备基础数据分析能力，熟练使用 Excel / Google Sheets（掌握数据透视表、函数等）；有 Power BI、Tableau 或 SQL 经验加分。 4. 具备较强的流程意识和细节管理能力，能够发现问题并推动优化。 5. 具备良好的沟通协调能力，能高效推动多方协作。 6. 对 AI 工具、自动化系统或招聘数字化建设有兴趣者优先。

岗位职责： 1. 协助收集业务需求，转化为可落地的数据解决方案思路，配合架构师完成方案设计与原型输出。 2. 协助撰写方案文档、技术白皮书、PPT 等材料，支撑项内部评审与合作伙伴沟通。 3. 配合跨团队（业务、研发、数据团队）推进项目实施，跟踪进度并反馈问题，协助解决落地中的技术难点。 4. 收集行业技术动态与竞品方案信息，为团队解决方案优化提供参考。 任职资格： 1. 研究生在读，985/211优先，明年毕业优先 2. 目前就读于数学、金融、计算机等相关专业，具有计算机相关背景者优先 3. 了解机器学习、大数据处理、统计学习的基本概念和方法，具有借助AI工具分析的实践经验 4. 自驱力及执行力强，优秀的团队协作和沟通能力 其他说明： 1. 上班时间：实习半年或以上，实习期间每周至少4天到岗，全职实习者优先。 2. 培训：入职后提供相关工作的专业培训 工作地点：上海徐汇区

AI-Ready统⼀数据基座建设 • 负责实验室AI-Ready全链路数据基础设施顶层设计与落地，搭建覆盖数据全⽣命周期的⼀体化标准化平台，统⼀实验室数据⽣产规范与分级分类标准。 • 迭代优化MinerU数据⼯具链、数据Agent及全域数据⽬录体系，推动数据⽣产从⼈⼒驱动全⾯转向平台化、⾃动化、智能化模式。 主线科研数据研发与数据资产沉淀 • 承接主线科研任务，统筹科研数据全⽣命周期治理与资产化管理，分领域精细化运营通⽤、科学、战略三⼤类语料资源。 • 搭建⻓程科研轨迹数据汇聚链路，建设专项⾼质量数据集⽀撑基座模型迭代，同时完成项⽬⾃研成果向中⼼通⽤能⼒的回流沉淀。 跨部⻔协同与技术⽣态沉淀 • 精准匹配⼤模型各技术⽅向数据诉求，建⽴常态化跨部⻔协同机制，保障实验室模型研发数据供给稳定⾼效。 • 持续跟进⾏业前沿数据基建技术，迭代优化现有数据平台架构与治理⽅案，维持实验室数据底座技术领先性。 • 沉淀数据⽅向专利、⽩⽪书与开源⼯具成果，完善书⽣⼤模型开源数据⽣态，赋能实验室整体科研能⼒升级。

职责描述： 【岗位介绍】 团队已具备大规模代码数据、file-level 基础预处理和粗清洗 pipeline、已有代码质量评分系统，以及 proxy training、代码评测和数据版本交付能力。 该岗位负责代码预训练数据的质量研究和最终质量把关，重点探索高价值代码数据源和数据形态，以及更有效的筛选、评分、修复、合成和采样方法。 我们希望候选人不仅能够判断代码是否可解析或可运行，还能够判断代码是否清晰、惯用、可维护、可测试，并且值得模型学习和模仿。 【团队协作】 我们有专门的数据工程团队，负责代码数据接入、file-level 基础预处理、粗清洗、规模化 pipeline 和生产运行。 本岗位侧重代码数据源与数据形态研究、代码质量算法、原型验证和训练效果分析。双方将共同定义预处理和质量方案，推动有效方法规模化应用，并结合代码质量分析和模型实验持续迭代代码数据版本。 1. 负责代码预训练数据的质量研究、数据策略实现、训练验证和版本化交付。 2. 与数据中心团队合作，定义并验收 file-level 代码 preprocessing substrate，包括语言识别、SHA256/MinHash 去重、语法解析、文件分类、reject reason 和数据版本接口。 3. 建设代码质量评价体系，包括： - LLM teacher 标注和质量 rubric； - 回归 scorer、ranker 或轻量分类器； - 代码可读性、正确性、完整性、复杂度及教育价值评估； - Generated、vendored、minified、test、config 和 template 文件分类。 4. 借鉴 Seed-Coder、Nemotron 等公开方法，验证 heuristic filtering、LLM scorer 和 soft weighting 等方案的训练效果。 5. 研究当前被过滤代码数据中的 false rejection，探索修复、重新组织、重评分或转换为其他数据形态后对预训练的价值。 6. 负责多编程语言数据覆盖、语言配比、代码领域配比和数据难度分布分析。 7. 研究并实现 FIM、代码—注释、代码—文档、测试—实现、跨语言转换及其他代码数据形态。 8. 建设代码 benchmark contamination 检测方案，覆盖 EvalPlus、MultiPL-E、MBPP、CRUX-O 等评测。 9. 设计并执行代码数据消融及 proxy training 实验，评估代码数据对 Coding、Reasoning、Math/STEM 及 General 能力的影响。 10. 按照统一标准完成代码 candidate、primary 和 fallback 数据版本的 materialization，包括质量统计、语言分布、污染检查、抽样验收和版本记录。 11. 与网页、PDF 数据负责人及预训练负责人合作，确定代码数据在 Stable、Decay 等阶段中的使用方式和配比。 任职要求： 1. 具有大语言模型、代码模型、程序分析、机器学习或代码数据处理经验。 2. 熟悉 Python，并能够阅读和处理多种主流编程语言。 3. 理解 AST、parser、Tree-sitter、代码去重、FIM 和 repository/file 数据结构。 4. 具有 LLM batch inference、数据评分、模型训练或数据消融实验经验。 5. 能够在不完整基础设施条件下快速实现研究原型，并与工程团队协作完成规模化。 加分项 - 参与过代码大模型预训练或代码语料建设； - 熟悉 Seed-Coder、StarCoder、The Stack、OpenCoder 或 Nemotron Code 数据方法； - 具有代码执行、编译、单元测试或沙箱环境经验； - 熟悉多编程语言 benchmark 和代码数据污染检测； - 具有合成代码、代码重写、代码审查或跨语言转换数据经验。

职责描述： · 负责面向下一代大模型推理系统的核心架构设计与研发，探索并实现更高效率、更低成本的推理服务方案。 · 深入研究并应用前沿推理优化技术（如模型量化、剪枝、稀疏化、Continuous Batching、PagedAttention 等），并将其落地于实际生产环境。 · 负责推理框架在复杂负载下的性能调优与稳定性建设，系统性解决高并发、长序列场景中的计算、显存与延迟瓶颈。 · 带领技术团队攻克推理系统研发中的关键技术难题，输出高质量的代码实现与系统设计文档。 · 参与制定推理系统的技术演进路线图（Roadmap），推动关键节点的规划与落地。 · 积极参与开源社区建设，与业界技术专家保持交流，持续跟踪前沿技术动态。 · 指导团队成员进行技术方案选型、系统设计与代码评审，提升团队整体技术能力。 · 与模型训练团队、算法团队及基础设施团队紧密协同，推动大模型在复杂业务场景中的高效部署与规模化落地。 任职要求： · 计算机科学或相关领域硕士及以上学历，博士优先。 · 5年以上系统软件研发经验，其中至少3年以上大模型推理或深度学习系统相关经验。 · 精通C++与Python编程，深入理解CUDA编程模型及GPU硬件体系架构。 · 对主流推理框架（如vLLM、SGLang、TensorRT-LLM）有深入理解和丰富的二次开发或优化经验。 · 熟悉常见的推理优化技术体系，对显存管理、计算调度、模型压缩等方向有实践经验。 · 具备优秀的系统问题分析与复杂问题排查能力，能够独立主导大型模块的研发与交付。 · 有带领技术团队完成复杂项目的实际管理经验，具备良好的跨团队沟通与协作能力。 · 有AI系统或高性能计算领域开源项目核心贡献者经验者优先。

职位描述 核心目标 负责多形态机器人本体的硬件架构设计、嵌入式系统开发与传感器融合部署，支撑操作智能、导航智能等算法团队在本体上的高效落地。 岗位职责 1. 嵌入式系统开发 负责机器人本体嵌入式软件架构设计与开发，包括基于Linux/RTOS的底层驱动开发、实时通信中间件（如ROS/ROS2、DDS）集成、多传感器数据采集与同步模块开发。 2. 硬件平台搭建与集成 主导机械臂、轮式机器人、无人机等硬件平台的电控系统设计，完成主控芯片/嵌入式计算单元（如Jetson、RK3588等）的选型、电路设计审查与硬件调试，确保算力与功耗平衡。 3. 传感器系统融合 负责可见光相机、红外传感器、深度相机（ToF/结构光）、IMU、激光雷达等多传感器硬件接入与驱动开发，实现多源异构数据的硬件级同步与预处理。 4. 运动控制与部署 参与机器人底层运动控制算法部署，包括关节电机控制、轮式/足式底盘驱动、轨迹跟踪与力控模块的嵌入式实现，保障控制实时性与稳定性。 5. 系统集成与调试 负责算法团队模型在本体上的部署对接与性能优化，完成软硬件联调、外场测试与问题定位，推动从仿真到实机（Sim2Real）的可靠迁移。 6. 产品化推进 参与硬件方案从原型到产品化的迭代，制定可量产的硬件设计规范、测试标准与维护文档，提升硬件系统的稳定性与可维护性。 任职要求 7. 学历背景： 博士及以上学历，电子信息工程、自动化、计算机、机械电子等相关专业；优秀硕士且有丰富项目经验者可放宽。 8. 工作经验： - 5年以上机器人导航 / 视觉语言导航 / 多模态算法研发经验 - 3年以上技术团队管理经验，有从0到1搭建团队或主导核心项目交付的经验 9. 技术能力： - 嵌入式软件开发：精通C/C++，熟悉Linux内核、设备驱动开发、实时操作系统（RTOS）；熟练掌握ROS/ROS2框架及通信机制 - 硬件设计能力：熟悉ARM/DSP等嵌入式处理器架构，具备PCB设计审查、硬件调试与信号完整性分析能力；了解电源管理、电机驱动等模拟电路设计 - 传感器与感知：熟悉常用机器人传感器（相机、IMU、激光雷达、编码器等）的硬件接口与驱动开发，有多传感器时间同步与数据融合经验者优先 - 运动控制基础：了解PID、MPC、运动学/动力学建模等基础控制理论，有电机控制、伺服系统调试经验者优先 - 通信与接口：熟悉CAN、EtherCAT、RS485、SPI、I2C、Ethernet等常用工业通信协议 10. 综合素质： - 具备较强的工程化落地能力，能在资源约束下快速推进原型验证与产品迭代 - 良好的跨团队协作意识，能与算法、结构、测试团队高效配合 - 动手能力强，熟练使用示波器、逻辑分析仪等调试工具，能独立完成硬件故障排查 11. 加分项 - 有机械臂、人形机器人、四足机器狗等复杂机器人本体开发经验 - 熟悉嵌入式AI加速（NPU/GPU边缘计算部署），有TensorRT、ONNX Runtime等推理框架的嵌入式优化经验 - 掌握运动控制高级算法（如全身控制WBC、模型预测控制MPC、强化学习控制部署） - 有Sim2Real部署经验，熟悉Gazebo、Isaac Sim等仿真平台的硬件在环测试流程 - 熟悉功能安全（ISO 13849等）或电磁兼容（EMC）设计规范 - 具备团队管理经验或技术方案主导经验 职位要求 有传感器、穿戴式设备等科学实验室环境所需的硬件设备的本体原型与配件研发经验

【岗位介绍】 团队已具备大规模网页数据、基础预处理和粗清洗 pipeline、已有质量评分系统，以及 proxy training、模型评测和数据版本交付能力。 该岗位负责网页预训练数据的质量研究和最终质量把关，重点探索高价值数据源，以及更有效的筛选、评分、修复、合成和采样方法，在扩大有效数据规模的同时持续提升数据质量。 【团队协作】 我们有专门的数据工程团队，负责网页数据接入、基础预处理、粗清洗、规模化 pipeline 和生产运行。 本岗位侧重网页数据源评估、质量算法研究、原型验证和训练效果分析。双方将共同定义网页数据方案和质量指标，协同推动有效方法的规模化落地，并结合数据统计、抽样分析和模型实验持续迭代数据版本。 岗位职责 1. 负责网页预训练数据的质量研究、数据方案实现和版本化交付。 2. 基于现有网页处理 pipeline，研究不同数据筛选、分类、评分、修复和采样策略对模型能力的影响。 3. 建设和优化网页质量评价体系，包括但不限于： - 内容质量、知识密度和教育价值评分； - 广告、导航、SEO、模板化和低信息内容识别； - 领域、主题、语言及难度分类； - LLM scorer、轻量分类器和规则的组合使用。 4. 分析当前被过滤网页数据中的 false rejection，研究通过正文修复、重新切分、去模板、重写、重新评分或降低采样权重等方式恢复其训练价值。 5. 负责网页数据中的通用知识、STEM、推理及多语言数据覆盖分析，并提出相应的数据采样和配比方案。 6. 设计并执行数据消融及 proxy training 实验，评估不同网页数据方案对 General、Knowledge、Reasoning 和 Multilingual benchmark 的影响。 7. 按照统一标准完成网页 candidate、primary 和 fallback 数据版本的 materialization，包括质量统计、抽样检查、版本记录和发布验收。 8. 与 PDF、代码数据负责人及预训练负责人协作，参与整体预训练数据 mixture 的设计和迭代。 职位要求 1. 具有 NLP、大语言模型、搜索、推荐、内容理解或大规模文本数据处理经验。 2. 熟悉网页文本中的正文抽取、模板内容、重复内容、垃圾内容和语言识别等问题。 3. 能够独立设计数据质量指标、训练实验和对照实验，并根据模型结果迭代数据策略。 4. 熟练使用 Python，具备良好的数据分析和工程实现能力。 5. 熟悉至少一种分布式数据处理或大规模推理框架。 加分项 - 具有 LLM 预训练数据建设经验； - 做过网页质量排序、内容理解或搜索索引； - 具有多语言或低资源语言数据经验； - 熟悉数据去污染、数据溯源和训练数据合规问题。

1.开展大模型Agent评测、审计与自进化研究，探索Agent能力评估与持续优化关键技术。 2.研发Agent评测与审计系统，负责执行轨迹采集、自动化评测和实验平台建设。 3.设计过程级与结果级评测方法，分析Agent在规划、工具使用、推理、效率和鲁棒性等方面的表现。 4.探索基于轨迹、环境反馈和交互数据的自进化方法，推动Agent能力持续提升。 5.跟踪Agent前沿技术，参与论文、开源项目和技术成果产出。 职位要求 1.计算机科学、人工智能、数学、自动化或相关专业硕士及以上学历；特别优秀者可适当放宽。 2.熟悉Transformer、大语言模型和LLM Agent的基本原理，对Agent推理、工具调用、任务规划或模型训练有较深入的理解。 3.具备扎实的机器学习基础，熟练使用Python、PyTorch和Linux，能够独立完成模型训练、Agent实验、数据分析与问题诊断。 4.具备良好的科研能力，能够进行文献调研、实验设计、Benchmark构建、结果分析和技术写作，对实验结论保持严谨审慎。 5.具有较强的科研探索能力，对LLM Agent、Agent Evaluation 或 Recursive Self-Improving Agent等方向保持持续关注，能够独立提出问题并推动研究落地等方向有浓厚兴趣，具备良好的沟通协作能力和自主推进能力。 加分项 1. 具有LLM Agent、大模型训练、强化学习、Agent Evaluation、自反思或自进化模型相关研究经验。 2.熟悉主流Agent框架， 对轨迹分析及数据合成有经验。 3.具有分布式训练、大模型推理系统、Agent Infrastructure或大规模评测系统的实践经验。 4.参与过有影响力的开源项目,或者在相关领域发表过高质量论文，具备良好的英文论文阅读和写作能力。

职位描述1. 面向大模型 Agent 的训练与评测，负责任务、环境及交互数据的关键技术研究，推动研究原型向可规模化交付的能力转化。2. 研究任务生成、环境自动构建与验证方法，建设可执行、可复现、可验证的任务环境，提升生产效率、质量与复用性。3. 建设任务与环境评测体系，研究难度分级、结果校验、奖励设计及评测可靠性，形成高质量基准与自动化验证流程。4. 与模型团队协作开展轨迹采集、数据合成及后训练实验，验证任务、环境和数据对 Agent 能力的实际贡献。5. 独立牵引方向内的研发项目，承担需求评估、技术路线设计与交付推进，指导工程师及合作学生，参与⻣干培养与团队建设。职位要求1. 计算机、人工智能、软件工程等相关专业，博士及以上学历。2. 在 Agent、代码智能、任务环境构建、自动化评测或大模型后训练等至少一个方向具有深入研究或实践经验，并有可展示的成果。3. 具备扎实的 Python 编程能力，熟悉 Linux、Docker 及常用深度学习工具，能够独立完成研究原型、实验验证及关键模块开发。4. 具备较强的问题定义、实验设计与指标分析能力，能够区分模型、数据、环境及评测机制带来的问题，并通过实验验证改进效果。5. 具备独立负责科研或研发项目的能力，能够拆解目标、判断优先级、协调资源并推动交付，愿意承担技术指导与团队协作职责。加分项1. 有代码、办公、科学计算或安全等场景的 Agent 任务集、环境、Benchmark 或 Harness 建设经验。2. 有大规模环境构建、沙盒运行、轨迹生产或 RLVLVR 实践经验，了解可复现性、评测泄漏及奖励漏洞等问题。3. 有高质量论文、开源项目或实际应用成果；有带领小团队、指导学生或组织跨团队合作的经验。

职责描述： 1、负责面向生命科学领域的基座大模型研发，探索多模态（文本、结构、时序数据）融合的AI模型架构，提升模型在科学任务上的泛化能力和可解释性。 2、研究并优化大模型训练方法（如高效微调、分布式训练、低资源适应），提升科学计算场景下的模型性能。 3、聚焦科学推理、科学研究、记忆机制、多智能体等方向，优化模型在科学任务中的表现。 4、参与构建科学数据体系，研发大规模、多样化的单/多模态科学数据集，涵盖科学推理、竞赛、研究等领域，支撑模型持续迭代。 5、与科学家团队合作，将AI模型应用于真实科学问题（蛋白质、DNA、基因序列等）。 任职要求： 1、硕士及以上学历，计算机科学、计算生物等相关专业。可实习3个月及以上。 2、熟练使用Python等编程语言，掌握PyTorch等深度学习框架。熟悉Transformer、扩散模型、图神经网络（GNN）等架构，有LLM或多模态模型研究经验。 3、具备大模型或多智能体的研究或工程经验；如为自然科学专业，需具备一定的编程能力，并对AI for Science有强烈兴趣。 4、拥有机器学习优化算法或人工智能相关经验；或具有自然科学领域（生物、分子）的理论背景与实验能力。 5、在AI/CV/科学计算领域发表过顶会论文或期刊论文。 加分项：参与过AI4S相关开源项目（如DeepMind的AlphaFold、OpenCatalyst）。

岗位职责 1. 交付作战体系与行业方案货架的搭建：基于国家战略任务，制定评测解决方案方向的长期战略与实施路径，构建覆盖大模型、多模态、智能体、具身智能、AI for Science、医疗、安全等核心领域的标准化评测解决方案体系，形成可复用、可规模化的交付能力； 2. 项目交付团队的组建与指挥：招募并管理行业专家、方案架构师、交付工程师等多元角色，建立从需求洞察、方案设计、实施交付到价值复盘的全流程作战机制，确保复杂项目的高效推进； 3. 国家重大专项的端到端交付：统筹评测项目的规则设计、资源协调、进度管控与成果验收，打通技术团队与客户之间的交付链路，确保高规格任务按期高质量交付； 4. 对内裁判员与对外连接器的双重角色：对内与各研究中心建立常态化评测对接机制，输出权威评测结论并推动改进落地；对外拓展政府主管部门与行业头部企业客户，探索评测服务的商业化路径与定价模式； 5. 评测话语权与品牌建设：主导评测标准、白皮书及行业权威报告的发布，构建"大评测"影响力链路，建立实验室在AI评测领域的权威形象与行业话语权。 任职要求 1. 计算机、人工智能、电子信息、管理科学等相关专业博士学位（特别优秀者可放宽至硕士），8年以上AI行业技术或解决方案经验，其中至少3年大型项目交付或解决方案设计管理经验； 2. 对AI技术体系（大模型、多模态、智能体等）具有体系化深度理解，在AI评测、模型验证或相关领域有扎实的专业积累，发表过高水平学术论文或主导过行业级技术报告者优先； 3. 具备丰富的重大项目交付经验，有从0到1主导或核心参与过国家级专项、大型企业级项目或平台型产品的完整交付经历，擅长复杂项目的统筹管理与风险把控； 4. 具有5年以上技术团队或解决方案团队管理经验，具备10人以上团队的管理实践，擅长跨部门协作与客户关系管理，有政府项目对接或行业头部客户服务经验者优先； 5. 具备出色的方案架构设计与商业洞察能力，能够将前沿评测技术转化为贴合行业需求的解决方案，推动技术成果的产品化与商业化落地； 6. 具备优秀的沟通协调与资源整合能力，能够代表技术团队高效对接内部研究中心、外部客户及政府主管部门，具备较强的行业影响力建设意识与公共演讲能力。

岗位职责： 1. 统筹部门各产品线的用户增长与运营策略，推动科学发现平台、书生模型等核心产品的用户规模提升与活跃度建设 2. 搭建并运营开发者社区与用户社区，建立用户反馈闭环，驱动产品持续优化 3. 建设数据运营体系，沉淀用户行为数据，推动科研数据有效回流，支撑模型迭代 4. 拓展高校、科研机构、行业合作伙伴等外部生态，推动产品在目标场景中的渗透与落地 5. 统筹对外品牌传播、成果展示与重大活动支持，提升产品与实验室的行业影响力 6. 搭建运营团队，建立运营指标体系与复盘机制 任职要求： 1. 8 年以上互联网产品运营或技术平台运营经验，3 年以上团队管理经验 2. 有开发者生态、开源社区、科研平台或 AI 产品的运营经验者优先 3. 具备从 0 到 1 搭建运营体系的能力，能独立制定增长策略并落地执行 4. 数据驱动，熟悉用户增长模型与社区运营方法论 5. 优秀的跨团队沟通协调能力，能拉通产品、工程、算法等多方资源 6. 对 AI、科学计算或科研领域有了解或兴趣者优先

职责描述： （一）制度与风控体系建设 - 跟踪国家及地方关于科技成果转化、国有资产管理、知识产权保护及人工智能领域的最新政策法规，研究起草并完善单位内部科技成果转化合规管理制度文件。 - 协助建立并完善实验室投资管理体系与内部风险控制体系，拟定相关管理制度，构建全链条贯通的合规框架。 - 协助建立并完善实验室与合作基金、基金会等机构合作的相关制度框架。 （二）项目合规审核与尽职调查 - 负责科技成果处置方案、转化项目立项及对外投资方案的合规性审核，确保流程符合国有资产评估备案、产权交易等监管要求。 - 组织或参与转化项目前期的法律与财务尽职调查，重点评估合作方资质、知识产权权属（含训练数据版权风险）、技术出口管制适用性及潜在法律纠纷，独立撰写尽职调查报告。 - 审核各类成果转化合同（技术许可、合作开发、作价投资），识别并修改涉及IP归属、数据使用权、保密义务、收益分配等关键风险条款。 （三）投后管理与合规监督 - 负责已投项目（或持股AI企业）的持续跟踪管理，定期排查业务运营与数据安全风险，提出行之有效的风控措施。 - 协助管理单位派出的董事、监事，督促其尽职履责，保障单位在投后企业的合法权益。 （四）政策研究与能力建设 - 开展技术转移与合规专项调研，对标国际国内顶尖高校及国家级实验室，优化单位内部工作流程。 - 定期输出AI领域政策解读与风险研判报告，为实验室战略决策和项目立项提供合规指引。 - 组织开展科研合同实务、数据合规、知识产权保护等专题培训，提升科研人员的合规风险意识与法律素养。 任职要求： 1. 教育背景 - 全日制本科及以上学历，法学（民商法、经济法、知识产权法、网络安全法方向优先）、金融、财经、知识产权管理等相关专业背景。 2. 专业资质 - 持有法律职业资格证书（A证）；具有CPA、CFA或基金从业资格者优先。 3. 工作经验 - 具备5-10年风控合规、法务或投后相关领域经验，其中至少2年人工智能、科技企业、国家级科研院所或互联网大厂相关经验。 - 有高校/科研院所科技成果转化、国有资产管理经验者优先；有基金公司投后相关经验者优先；有知名律所/会计师事务所相关经验者优先。 4. 核心能力 - 专业判断力：精通成果转化领域核心法律法规及政策，能精准解读政策影响并转化为可落地的合规方案；具备合同审核、法律文书撰写及纠纷处理能力；具备较强的经营思维及风险防控意识，能独立识别、评估和处置复杂风险。 - 复合知识结构：具备财务、法律复合知识基础；理解AI技术逻辑，具备一定的技术判断与市场分析能力，能与AI科研团队高效沟通。 - 沟通协调力：较强的沟通协调能力和文字功底，能与科研团队、投资机构、法律顾问、政府监管部门等多方高效协作。 - 政治素养与操守：具备高度的责任心与保密意识，政治素质过硬，认同国家战略科技力量使命。 * 特别说明 1. 国家AI实验室的特殊性 需深刻理解“国家级新型科研事业单位”在国有资产管理、科技安全审查方面的特殊性；熟悉《科学技术进步法》《促进科技成果转化法》及国家关于AI领域“放管服”改革的最新政策。深刻理解高校院所“国有资产”管理的特殊性，熟悉知识产权作价投资、赋权改革等创新模式中的关键风控节点。 2. 尽职免责机制 熟悉国家及地方关于科技成果转化尽职免责的相关规定，能指导单位落实“三个区分开来”原则，营造敢于创新、合规转化的氛围。