1、前沿算法研究与探索：参与以下一个或多个前沿方向的算法设计、实现与实验验证：

2、安全与对抗机器学习：研究模型的安全漏洞，开发鲁棒的防御机制以对抗对抗性攻击、数据投毒、模型窃取等威胁，提升AI系统在复杂环境下的稳定性。

3、因果推断与发现：探索 beyond correlation 的因果关系，开发基于因果图的模型，用于可解释的决策、反事实推理和处理有偏数据，使AI模型更具逻辑性和公平性。

4、AI与物理机理融合（AI+Science）：将物理先验知识（如偏微分方程PDE、对称性、守恒律）嵌入深度学习模型，开发物理信息神经网络（PINNs）等，解决科学计算、工程仿真和气候预测等领域的复杂建模问题。

5、持续学习与元学习：研究使AI模型能够像人类一样持续学习新任务而不遗忘旧知识的技术，突破静态模型的局限，开发适用于动态开放环境的自适应学习系统。

6、将理论算法转化为高效、可复现的代码（主要使用Python/PyTorch/TensorFlow/Jax），并进行大量的迭代实验和性能分析（包括准确率、鲁棒性、效率等）。

7、设计严谨的实验方案，深入分析模型在不同数据集上的表现，生成有价值的实验报告和可视化结果，为算法改进提供数据支持。

1、计算机科学、人工智能、统计学、应用数学、物理或相关专业的博士 2、熟练掌握Python编程，并有使用至少一种主流深度学习框架（PyTorch/TensorFlow）进行项目或研究的经验。 3、具备扎实的机器学习/深度学习基础，熟悉常见的网络结构、优化算法和评估指标。 4、对上述至少一个前沿研究方向（安全对抗、因果推断、AI+Science、持续学习）有浓厚的兴趣，并愿意深入探索。 5、具备极强的自主学习能力和解决问题的热情，能够快速理解新知识并应用于实践。 6、良好的沟通能力和团队协作精神。