AI4Sci 科学数据研究员（生命科学方向）

从基因组学、生物信息学、计算生物学等工作流中识别可验证问题，明确假设、变量、证据标准与结论边界。 定义样本、实验条件、数据字段、元数据和版本，建立可追溯的数据规范、清洗与质量检查规则。 将科研工作拆解为可测试任务，设计参考答案、证据要求、边界案例和常见错误，明确自动验证与专家复核的适用范围。 使用 Python、R 或领域工具开展可复现分析，维护代码、环境、参数与运行记录，分析结果差异的原因。 与领域专家、评测研究员和工程人员协作，提供清晰的数据接口、判定逻辑、复现步骤与验收样例。 根据真实项目、模型失败与科学方法变化迭代任务和规范，将专家经验沉淀为他人能够采用的规则与方法。

生物信息学、计算生物学、基因组学、系统生物学、生物统计或相邻领域博士；应届博士、博士后和具备成熟研究证据的高年级博士生均可评估。 至少完整处理过一类真实生命科学数据，能够说明研究问题、来源、处理方法、质量控制、统计假设和结论边界。 熟练使用 Python 或 R，能够提供可复现代码、Notebook、环境说明与运行记录。 理解实验设计、统计推断、不确定性、数据泄漏、批次效应等质量风险。 能阅读英文论文、数据库说明和技术文档，并核验来源。 能将科研问题转为结构化数据规范、任务样例和交接材料，愿意在项目现场及周期、成本约束下推进工作。 能够使用生成式 AI 提升研究效率，并独立核验关键结果。学校层次、论文数量和影响因子不作为单独录用依据。 有组学、变异、单细胞、蛋白质、药物发现、临床研究数据或生物医学知识图谱经验。 有数据集构建、科研 Benchmark、模型评测、竞赛题目或标准制定经验。 使用过容器、工作流引擎、版本化数据工具或云端计算环境。 有跨学科项目、企业合作、科研转化或面向非科研人员交付的经历。 有 LLM、Agent、工具调用、RAG 或 AI for Science 项目经验。以上均为加分项，不要求同时具备全部背景。