Domain Scientist, Agent Evals，AI4S Evals Scientist 一句话定义： 定义、评估并提升 AI 进行科学研究的能力边界与研究品味。 这个岗位不预设你的领域。无论你来自生命科学、药物发现、材料科学、AI 芯片设计，还是其他我们尚未列出的前沿方向，我们寻找的是同一种人：懂科学、信 AI、能动手。 工作范围 • 定义真正重要的科学问题与任务：在物理、化学、生物、数学等领域，从核心基础到研究前沿 —— 你出的每道题，都在教模型如何做好的 Scientific Research • 构建真正困难、对模型有挑战的 RL Tasks：把你领域中最难、最真实的研究问题，转化为可训练、可验证的 RL 任务与环境；同时构建内部评测集，敏感地衡量模型的每一次进步——既标定当前的能力边界，也直接推动边界前移； • 把科研工作流变成数据与评估飞轮：搭建可运行、可复现的评测与分析 pipeline；深入分析模型的失败轨迹，定位错误出在知识缺口、推理链条还是对研究流程的理解，并将其转化为训练信号； • 连接领域判断与模型进化：与 RL、Harness 及产品团队紧密协作，把你的专业判断转化为模型能力、评测基准，以及面向科学用户的真实产品功能。 我们看重的能力 • 在某个前沿科学领域有足够的研究深度：生命科学、药物发现、材料科学、化学、物理、AI 芯片设计 / EDA 等方向，博士学位或同等深度的研究 / 产业经验； • 具备Research Taste（研究品味）：你能从无数“看着还行”的研究问题中，识别出真正重要而尚未解决的问题，并且具备贯穿整个研究过程的判断力 • 敏锐、严谨，能够做模型最严厉的导师：当你审阅推导、论文或实验设计时，能一针见血地指出漏洞，享受提出challenge与推动改错、迭代的过程 • 对 Agent 有真实的使用与信念：在科研中深度使用 Agent 产品解决专业问题，对它的能力边界有基于实践的第一手判断，并相信 AI 将从根本上重塑科学研究的方式。 加分： • 造过 benchmark、写过 verifier / 评分标准，有公开发表的 benchmark paper • 定义过领域专用的开源工具、数据集、pipeline 被同行广泛使用 你将获得： • 关于 AI4S 前沿的第一手判断。你设计的题目，标定着模型科学能力的边界——关于这条边界的进展，你比几乎所有人都更早看到。 • 把你的领域专业判断力，转化为更大的影响力。你作为“导师”带出来的模型，将被全球范围的科学研究人员使用，帮助他们探索那些关乎人类未来的科学问题。