清華大學自然語言處理與社會人文計算實驗室（THUNLP）現(xiàn)依托清華實驗室平臺、國家實驗室平臺、孵化企業(yè)招募博士后。研究方向包括基礎模型架構和學習方法、多模態(tài)智能、具身智能、智能體、群體智能、知識增強、科學智能、長文本與代碼智能、高性能基礎設施、可信大模型、大模型數(shù)據(jù)科學、AI+X。如果你對大模型前沿技術充滿好奇心，對推進技術落地滿懷熱情，希望投身到AGI實現(xiàn)的事業(yè)中來，歡迎加入我們！我們將提供具有競爭力的薪酬和福利、良好的工作環(huán)境和發(fā)展機會以及多平臺聯(lián)動的廣闊空間。

合作導師：劉知遠教授

本期報名截止時間：2026年3月1日

報名郵箱地址：lymthu@mail.tsinghua.edu.cn

郵件主題：應聘博士后+姓名+專業(yè)+學校+應聘研究方向+高校人才網(wǎng)；【快捷投遞：點擊下方“立即投遞/投遞簡歷”，即刻進行職位報名】

郵件中應包含：

（1）應聘申請，包括本人意愿、工作設想、預期目標；

（2）本人簡歷（個人履歷應包含第一學歷至今，附近照）；

（3）充分反映本人學術水平的有關材料，包括發(fā)表論文及收錄情況、獲獎情況、主要負責和參與課題情況等。

更多信息請訪問實驗室主頁

http://nlp.csai.tsinghua.edu.cn/

關鍵要求：

1.博士學位，計算機科學與技術專業(yè)背景者優(yōu)先考慮；

2.具備人工智能相關基礎理論、模型與算法等研究經(jīng)驗，熟練掌握當前機器學習、深度學習、強化學習等領域的技術，對相關領域有濃厚的研究興趣，并有相關的優(yōu)秀論文、專利、科技研究報告等成果；

3.在人工智能或AI+X相關領域發(fā)表過高水平學術論文或具有代表性成果，有ACL、EMNLP、NeurIPS、ICML、ICLR、AAAI、AI+X相關的頂級會議論文發(fā)表者優(yōu)先考慮。

你將收獲：

博士后薪資、保險等按照國家和清華大學博士后管理辦法執(zhí)行，外加實驗室績效獎勵；

優(yōu)秀人才推薦申請各類博士后支持計劃，包括博士后創(chuàng)新人才支持計劃、清華大學“水木學者”計劃、博士后科學基金項目、博士后國(境)外交流項目等。具體信息請查詢清華大學博士后官網(wǎng)。

更多信息請訪問清華大學博士后官網(wǎng)

http://postdoctor.tsinghua.edu.cn/

（一）基礎模型架構和學習方法

1.高效模型架構：剖析當前大語言模型的效率瓶頸，設計硬件友好的大模型架構，包括高效長文本模型、非自回歸生成模型、稀疏模塊化模型等。

2.強化學習基礎機理分析：剖析大語言模型驅(qū)動的強化學習訓練動力學，揭示其內(nèi)在學習機制。通過系統(tǒng)性地分析模型在訓練過程中的變化，構建一套科學的強化學習設計與優(yōu)化理論。

3.高效強化學習算法探索：設計與開發(fā)第一梯隊的高效強化學習算法，以應對日益復雜的真實世界問題，并降低大模型強化學習的訓練成本。

4.強化學習Scaling探索：系統(tǒng)性探究當前制約強化學習模型與應用Scaling的核心瓶頸。從數(shù)據(jù)、算法及訓練范式等多個維度出發(fā)，探索并構建強化學習Scaling策略。

（二）多模態(tài)智能

1.通用多模態(tài)基礎大模型構建，包括新一代多模態(tài)基礎模型架構、多模態(tài)實時流式模型架構、統(tǒng)一多模態(tài)模型架構等。

2.多模態(tài)大模型的感知基礎構建，包括高清圖建模、長視頻建模、語音編解碼架構等。

3.多模態(tài)強化學習，包括多模態(tài)強化學習的高效性、拓展性、普適性等，實現(xiàn)多模態(tài)大模型的深度思考。

（三）具身智能

1.通用具身基礎大模型：構建通用泛化的具身大模型，研究內(nèi)容包括具身大模型的模型架構、數(shù)據(jù)構造及治理、學習方法等。

2.垂直領域具身模型：探索面向無人機的具身智能算法，包括無人機場景下的環(huán)境感知認知推理、基于多模態(tài)大模型的自主導航規(guī)劃等。

（四）智能體

1.智能體長程任務解決能力構建：旨在提升智能體在復雜任務中的長程思維能力，涵蓋多步推理、任務規(guī)劃與目標分解等關鍵能力，以支持其在動態(tài)環(huán)境中的持續(xù)決策與執(zhí)行。

2.智能體自主性提升：聚焦于增強智能體的自主決策能力，具體包括用戶意圖的主動識別與理解、環(huán)境狀態(tài)的高精度感知以及行為后果的預測建模，進而實現(xiàn)智能體對任務流程的自主掌控。

3.智能體可泛化能力學習：致力于突破現(xiàn)有智能體對特定任務或場景的依賴限制，構建具備跨任務遷移、跨場景適應與擴展的通用能力泛化范式，以支持廣泛適用的智能體系統(tǒng)構建。

（五）群體智能

1.構建能夠協(xié)同工作的多智能體系統(tǒng)。通過在多個智能體間建立有效的通信和協(xié)作機制，能夠解決單個智能體難以應對的問題，提高問題解決的效率，并找到更為優(yōu)秀的解決方案。

2.研究多智能體團隊中可能出現(xiàn)的群體現(xiàn)象，努力探究如何優(yōu)化智能體間的通信效率，以及如何動態(tài)調(diào)整每個智能體在完成任務中的分工，從而實現(xiàn)高效的多智能體協(xié)作。

3.探索多智能體系統(tǒng)在現(xiàn)實世界中的廣泛應用，以及潛在的未來發(fā)展路徑。

（六）知識增強

1.多級知識記憶研究，包括基于模型能力的多級知識庫構建，模型推理過程中的多輪知識獲取、整理與利用等。

2.知識路由方法研究，包括面向多源信息的知識獲取路徑優(yōu)化，針對特定知識庫的查詢優(yōu)化方法等。

3.知識密集推理研究，包括知識密集場景下的訓練沙盒構建，知識密集場景下的像話學習方法研究等。

（七）科學智能

1.科學基座模型構建研究：針對生醫(yī)、化工、數(shù)理等領域的不同特點，調(diào)整大模型架構與訓練方法，以實現(xiàn)其深入科學認知能力的培養(yǎng)。

2.學科智能系統(tǒng)搭建：通過整合智能體、知識庫與專業(yè)工具等，提升材料設計等過程的智能程度，實現(xiàn)人機閉環(huán)中的持續(xù)學習進化。

3.可信決策推理方法：利用知識有效約束模型生成過程，提升決策可靠性與可解釋性；培養(yǎng)知識抽象能力，探索基于大模型的自主科學創(chuàng)新。

（八）長文本與代碼智能

1.面向長序列的推理算法，包括長序列分治處理、Long-to-Short、長序列歸納推理等。

2.面向長序列的典型應用，包括DeepResearch等海量信息智能化處理系統(tǒng)等。

3.面向代碼模型的高效訓練算法，包括訓練數(shù)據(jù)合成、訓練策略優(yōu)化等。

4.面向代碼模型的典型應用，包括軟件工程、智能體、算子開發(fā)等。

（九）高性能基礎設施

1.端側高效推理系統(tǒng)：專注于在資源受限的邊緣設備（如手機、PC設備）上實現(xiàn)大模型的低延遲、低功耗系統(tǒng)級的推理優(yōu)化，降低AI的落地門檻。

2.高效算子實現(xiàn)：針對CPU、GPU等不同硬件平臺，深度優(yōu)化神經(jīng)網(wǎng)絡的核心計算單元（算子），包括不限于稀疏、低位寬和Diffusion實現(xiàn)，壓榨硬件極致性能，為上層模型提供強大的計算加速能力。

3.大規(guī)模模型訓練與強化學習系統(tǒng)：構建穩(wěn)定、可擴展的分布式系統(tǒng)，支持千億級別參數(shù)稀疏模型的并行訓練，并為復雜的強化學習任務提供高效的系統(tǒng)級解決方案。

4.極低位寬模型量化技術：探索前沿的模型量化方法，將模型參數(shù)壓縮至極低位寬，在最小化精度損失的前提下，極大降低模型的存儲和計算成本。

（十）可信大模型

1.風險評測：面向大模型存在的幻覺、合法性不足、價值觀偏見等嚴峻挑戰(zhàn)，建立面向合事實、合法、合價值等目標評測基準，揭示模型的可信邊界與潛在風險；

2.模型機理：剖析導致大模型產(chǎn)生幻覺、違反法律與規(guī)范等不可信行為的原因與機理，理解模型不可信表現(xiàn)的機理；

3.可信對齊：研究創(chuàng)新對齊算法，在保證模型通用能力同時，從算法層面內(nèi)生性提升模型的可信賴性與負責任性；

4.社會影響：研究大模型技術所引發(fā)的社會層面的潛在風險，包括對個人與信息環(huán)境等，打造可信大模型社會應用；

（十一）大模型數(shù)據(jù)科學

1.科學數(shù)據(jù)質(zhì)量驗證方法，基于大模型風洞技術自動化驗證數(shù)據(jù)清洗、篩選、合成、組織的最終質(zhì)量；

2.高效數(shù)據(jù)打標與篩選，研發(fā)高效數(shù)據(jù)標簽模型體系，實現(xiàn)高效領域數(shù)據(jù)篩選

3.高質(zhì)量數(shù)據(jù)合成，探索高效與自動化的方式進行預訓練、對齊階段的高質(zhì)量數(shù)據(jù)合成，提升模型效果。

（十二）AI+X

1.AI+傳播：大模型作為智能信息生產(chǎn)主體的倫理與安全特性，及其對信息行為以及信息環(huán)境產(chǎn)生的影響；人工智能賦能傳播應用創(chuàng)新；人工智能技術的傳播與公眾對人工智能技術的認知。

2.AI+古文字：使用計算科學的方法與技術（尤其是人工智能）來加速及增進古文字學研究；通過古文字大模型與智能科研平臺，實現(xiàn)古文字科研全過程智能化。

3.AI+教育：基于大模型多模態(tài)、多智能體技術構建下一代自適應教學/訓練/研究系統(tǒng)；使用智能體等先進研究方法，完成教育創(chuàng)新研究。

4.AI+法律：基于博弈論和強化學習的法律多智能體系統(tǒng)；法律推理的計算化建模；法律場景RAG技術的研究和應用；法律智能現(xiàn)實應用中的倫理問題。

5.AI+安全：探索前沿人工智能模型的機制可解釋性；研究人工智能內(nèi)生安全的可靠可推廣量化評測方法、安全對齊方法；借鑒免疫等機制，研究對攻擊的自動化防護方法；人工智能在社會應用中的安全治理問題。

更多最新博士后招收資訊請關注：

【高才博士后】網(wǎng)站→https://boshihou.gaoxiaojob.com