岗位使命
研究融合神经信号、肌电信号、任务上下文和行为反馈的模型，建立公司的研究基线与评测实践。
你将负责
- 研究任务条件与行为结果下的多模态神经表征。
- 建立严谨的数据对齐、验证与基准评测实践。
- 研究稳健性、可解释性、不确定性与任务条件性能的证据。
- 沉淀服务于负责评测的可复用研究基础。
我们期待
- 人工智能、计算机、生物医学工程、计算神经科学或电子信息等相关方向博士，或拥有突出研究能力的硕士。
- 熟练使用 PyTorch，深入理解时序建模、表征学习或多模态学习。
- 能独立完成数据分析、模型设计、训练优化、严谨消融与论文级结果表达。
- 对数据泄漏、评测偏差与统计稳健性保持高度敏感。
优先考虑
- 在机器学习、语言、神经工程或生物医学信号处理领域发表过代表性成果。
- 有 EEG、EMG、ECG、眼动、可穿戴或其他生理时序数据建模经验。
- 具备严谨评测、不确定性估计或部署研究经历。
你将获得
主导多模态神经模型的重要研究方向，在适当授权与治理下使用任务条件多模态研究数据验证假设，并获得论文、专利、学术交流与长期成长支持。
我们期待的人
一位对表征学习与时序建模有深度判断的研究者。你能够从数据机制出发设计模型，也愿意用严格消融、跨用户验证和在线结果检验自己的结论。