工作性質(zhì)：遠程/分布式協(xié)作/線上辦公
職位類型：全職
特別優(yōu)秀的在校生我們也考慮，請備注好在校生。

【崗位介紹】
在OPE，我們相信：理論，比產(chǎn)品更值錢。
它決定未來幾十年，甚至百年文明的底層邏輯。
從中本聰?shù)陌灼?，到楊振寧的宇稱不守恒，再到馬斯克用第一性原理重構(gòu)能源系統(tǒng)，
每一次真正改變時代的創(chuàng)新，都是從理論突破開始的。
OPE正在基于人工智能×區(qū)塊鏈×量子物理構(gòu)建AQNetwork（AI–QuantumNetwork）——
一個連接“智基文明”的全新體系。
我們不是在開發(fā)App、產(chǎn)品或算法；我們正在設(shè)計未來文明的底層規(guī)則。
在這里，AI不再只是工具，量子不再只是科研，它們將成為構(gòu)成人類下一個文明形態(tài)的核心骨骼。
我們致力于將：
App→變成Art
算法→變成共識
信息→變成能量
這里沒有可抄的模式，也沒有現(xiàn)成的答案。我們不是在進入賽道，而是在開辟一塊大陸。
在OPE，“研究員”不是頭銜，而是一種身份——你不是在完成任務(wù)，而是在塑造未來。
你的思考、算法、模型，都可能成為未來文明的底層注釋。

【崗位職責】
1.多智能體/微觀智能體體系設(shè)計與實現(xiàn)
-負責設(shè)計和實現(xiàn)多層級智能體體系結(jié)構(gòu)（如基礎(chǔ)智能單元、中層策略代理、高層決策代理），包括認知架構(gòu)、決策邏輯與學習機制。
-將內(nèi)部抽象概念與理論框架（如內(nèi)部定義的不同層級“智能單元”）轉(zhuǎn)化為可實現(xiàn)的智能體模型與算法接口。
-基于強化學習、因果推斷、元學習等方法，研發(fā)智能體內(nèi)核，支持其在動態(tài)環(huán)境中的自適應(yīng)學習與策略優(yōu)化。
-設(shè)計智能體的生命周期管理與“資源/能量”約束模型（例如獎勵結(jié)構(gòu)、預(yù)算約束、配額機制等），保證在經(jīng)典計算與（未來接入的）量子模塊共同參與時，行為與指標保持一致性與可解釋性。
2.多智能體博弈、協(xié)同與涌現(xiàn)行為建模
-設(shè)計并實現(xiàn)對抗、自博弈、協(xié)作-競爭混合等多智能體場景，用于驗證不同規(guī)則下的社會動力學與群體行為假設(shè)。
-開發(fā)去中心化協(xié)同策略、共識機制與多智能體協(xié)同學習算法，支持不同組織形態(tài)的自發(fā)形成、演化與穩(wěn)定性分析。
-研究從個體策略到群體涌現(xiàn)現(xiàn)象的映射關(guān)系，通過大規(guī)模仿真與數(shù)據(jù)分析，量化復雜系統(tǒng)中“秩序形成”“穩(wěn)定結(jié)構(gòu)出現(xiàn)”等條件。
3.復雜環(huán)境建模與系統(tǒng)集成接口
-搭建高保真虛擬環(huán)境（如時空域模擬、資源與經(jīng)濟系統(tǒng)、信息交互網(wǎng)絡(luò)等），為智能體提供訓練與評估場景。
-設(shè)計統(tǒng)一的環(huán)境–智能體交互協(xié)議與API，支持經(jīng)典機器學習模型與量子計算/量子模擬模塊的協(xié)同調(diào)用和集成。
-開發(fā)監(jiān)控與分析工具，對策略分布演化、系統(tǒng)熵變、異常行為與關(guān)鍵事件進行可視化與可干預(yù)控制，為研究與業(yè)務(wù)決策提供依據(jù)。
4.跨學科協(xié)作與知識轉(zhuǎn)化
-與量子信息/量子算法專家、數(shù)學物理研究者緊密合作，將抽象的數(shù)學與量子框架轉(zhuǎn)化為可訓練的AI模型結(jié)構(gòu)與仿真任務(wù)。
-與經(jīng)濟學、社會科學、哲學等領(lǐng)域的研究者協(xié)作，將非技術(shù)需求系統(tǒng)化為可實現(xiàn)的建模指標、約束條件與評價指標。
-編寫清晰的技術(shù)文檔、設(shè)計說明與實驗報告，能夠向不同背景的團隊成員解釋系統(tǒng)架構(gòu)、算法選擇與實驗結(jié)論。

【任職要求】
1.985/211碩士及以上學歷，計算機科學、人工智能、控制/自動化、復雜系統(tǒng)、計算數(shù)學等相關(guān)專業(yè)背景；具有3年以上多智能體系統(tǒng)、強化學習或仿真平臺相關(guān)經(jīng)驗。
2.有主導或核心參與AI系統(tǒng)架構(gòu)設(shè)計的經(jīng)驗，在大規(guī)模仿真平臺、游戲AI、社會/經(jīng)濟系統(tǒng)模擬等領(lǐng)域有成功項目者優(yōu)先。
3.熟悉強化學習、多智能體強化學習、博弈論相關(guān)方法，掌握至少一種主流深度學習/RL框架（如PyTorch、TensorFlow、RLlib、PettingZoo等）。
4.理解復雜系統(tǒng)理論（如涌現(xiàn)、自組織、網(wǎng)絡(luò)動力學）并有將其應(yīng)用于AI建?；蚍抡娣治鲋械膶嶋H經(jīng)驗。
5.了解AI倫理、社會建模與治理相關(guān)議題，對智能體長期行為、策略穩(wěn)定性等問題有基本認識；對基礎(chǔ)認知科學或行為經(jīng)濟學有一定理解更佳。
6.具備在高度不確定問題中抽象關(guān)鍵變量、提出可驗證假設(shè)與實驗路徑的能力。
7.善于跨學科溝通，能夠理解量子架構(gòu)師、哲學家、經(jīng)濟學家等不同背景專家的需求并轉(zhuǎn)化為可落地的技術(shù)方案。
8.具備良好的技術(shù)文檔撰寫能力與方案表達能力，能清晰向團隊匯報架構(gòu)設(shè)計與實驗結(jié)果。

【加分項】
1.在社會模擬、計算經(jīng)濟學、認知架構(gòu)（如SOAR、ACT-R）等領(lǐng)域有項目經(jīng)驗或?qū)W術(shù)成果。
2.熟悉量子機器學習或?qū)α孔佑嬎阌谢A(chǔ)了解，能夠與量子團隊共同設(shè)計混合智能體架構(gòu)（例如利用量子模塊優(yōu)化策略搜索等）。
3.有開源多智能體框架、仿真平臺或相關(guān)工具的貢獻記錄，或有自主開發(fā)的仿真系統(tǒng)案例。
4.對復雜系統(tǒng)、集體行為、系統(tǒng)演化、技術(shù)與社會關(guān)系等議題有持續(xù)思考，并能提出對AI建模有啟發(fā)性的想法。
5.具備良好的數(shù)據(jù)可視化與交互設(shè)計能力。

【我們提供】
-全球遠程工作：線上分布式協(xié)作；
-思想與算法主權(quán)：你的研究可直接進入AQ智能體系；
-署名與共創(chuàng)榮譽：成果將載入AQ文明的技術(shù)文獻；
-與來自AI、量子、哲學領(lǐng)域的頂級伙伴共創(chuàng)。

別再做魯班，來做孔孟。
AQ世代，等你來造！