职业 · 计算机
计算机与算法研究
提出并检验计算方法、算法或系统的新知识。
先看代表工作：研究问题与可检验假设 →
可让Agent整理既有结果、提出明确假设与最小反例检查；接收的是可反驳问题与评价器，而不是流畅选题段落。
只对应这项工作 · 有条件的编辑推断；不是整个职业的完成率。
职业范围、别名与核查日期
涵盖理论、AI与系统研究；不是所有“算法工程师”岗位都承担原创研究。 本页按职责提供公开参照；地域、职级和准入以目标组织的现行要求另核。
也常见于：算法研究员、计算机研究员、AI研究员、研究科学家、Research Scientist · 核查 2026-10-20
主要交付目标
范围依据、重要变体与未覆盖部分
按本职业主要交付组织工作范围；多个目标可以由同一结果包接收。职责来源用于核对工作定义，AI采用、工具可得性和实际表现按各项具体证据判断。这里不是所有地区与细分岗位的完整清单。
研究问题与可检验假设
既有工作对照、明确研究问题与反证条件
以该应用的具体产物与独立接收条件呈现目标；研究价值、新颖性和未公开结果不能由代码搜索案例直接证明。
重要变体：理论与反例
新算法或理论结果
算法定义、复杂性或正确性论证
以该应用的具体产物与独立接收条件呈现目标；专用AlphaEvolve成果不等于公开Agent可解任意新理论问题。
重要变体：理论与反例
新模型或系统原型
实现、基线与资源条件
以该应用的具体产物与独立接收条件呈现目标；既有算法/训练研究对新系统拓扑和新模型只是有条件迁移。
重要变体：经验模型与系统；研究复现与消融
实验研究结论
数据、消融、失败案例和可重现结果
以该应用的具体产物与独立接收条件呈现目标；公开评测的部分贡献评分不等于当前研究结论已成立。
重要变体：研究复现与消融；数值与理论贡献
研究复现与挑战
独立复现、差异解释或反例
以该应用的具体产物与独立接收条件呈现目标；理论结论与环境变化可能不能用原rubric完整覆盖。
重要变体：从零与复用原代码
研究传播与复用
论文及实际证明或计算产物、限制与复用说明
实际研究成果的传播/复用按理论或计算产物接收，与已有论文复现任务分开。
重要变体：原创研究传播；受限资产与复用
Computer and Information Research Scientists ↗ · 职责资料用于检查工作范围，不提供AI成绩。
当前范围以外
- 仅按既定方案提供产品服务的常规工程
- 研究资源组织及学术管理暂不深研
仍需补充的证据或内容
- 需分别补理论正确性、实验新颖性和系统可复现性
- 代码生成不能直接支持发现成立
主要做什么，AI 改变了哪些工作
按具体交付判断采用条件。下列条件评估与局部证据分别标示，不合成为一个职业自动化百分比。
研究问题与可检验假设
交付物：既有工作对照、明确研究问题与反证条件
关联局部工作证据
可让Agent整理既有结果、提出明确假设与最小反例检查；接收的是可反驳问题与评价器，而不是流畅选题段落。
依据身份：有条件的编辑推断；各条只支持自身范围。
已展示：当前所选依据为工具方法或编辑迁移判断，尚无该交付的直接结果。
尚待验证：研究价值、新颖性和未公开结果不能由代码搜索案例直接证明。
查看执行条件、逐条证据与完整验收
既有工作对照、明确研究问题与反证条件。可让Agent整理既有结果、提出明确假设与最小反例检查；接收的是可反驳问题与评价器，而不是流畅选题段落。
AI怎样组织交付：Agent可联合搜索算法/实现/验证路径，程序或求解器给反馈；目标语义、独立评价器和预算保持固定。
在本职业的适用范围：计算机与算法研究的“研究问题与可检验假设”使用算法候选交付：代码搜索、反例与正确性证据，输入/接收对象是既有工作对照、明确研究问题与反证条件；抽查关键文献原文，锁输入域/结论/基线，给反证条件和评价器正反控制。
执行条件、可用工具与场景差异
问题和独立评价器可把算法候选搜索与反证接成循环；结果可以包含代码、可核查特例或论证，但不能从得分直接推广一般理论。
公开研究成果可检查；研究系统可获得性、预算和目标问题依赖单独核实。
AlphaEvolve公开结果 ↗ · 2026-10-20公开仓库HEAD 4226acbf237ff9ad10ba7673a2af127a2d8a5971；实际运行另固定依赖/镜像/模型 · 可读成果公开；完整搜索服务/配置不据此假定可得
理论与反例：接收命题、复杂性或正确性证明，而非经验提升。 候选探索可委派，完整论证/反例才算相应结果。 验收：命题语义、假设、边界、逻辑依赖；若选形式化再验内核与公理。
判断的具体依据
有条件的编辑推断
在固定问题和独立评价器下可委派算法搜索，接收候选与反例/论证；一般性、复杂性和新颖性不能只靠样例得分。
支持：专用研究展示搜索与验证联合组织。
原文定位与适用范围
定位：evaluation and algorithm search
范围限制：公开Agent与新问题仍需独立任务检查。
判断限制：公开Agent与新问题仍需独立任务检查。
完整验收、失败处理和后续验证
算法候选交付：代码搜索、反例与正确性证据 →
问题语义保持：独立核对输入域、输出和约束，反例/边界及保留输入挑战候选。
拒收：放宽约束或只缓存公开样例。
证据匹配主张：一般性/复杂性给完整论证，经验改善同条件比较；数值搜索不能代替一般证明。
拒收：样例更快就声称一般最优。
结果可重查：固定环境重跑基线/候选，保留选择、预算与失败，记录评价器缺口。
拒收：只给最好一次，隐藏改过评分器。
预算内未找到有效候选就交失败/卡点；评价器有误先修正再重评，不以更容易问题宣告成功。
下一项验证：固定一个算法问题、基线、评价器和预算，先校准错误/合法替代，再搜索候选并在保留输入重跑，独立检查理论主张。
研究前沿：专用研究系统已有可检查算法成果；搜索配置、任务选择与预算限制公开Agent迁移，目标问题表现未知。
- 新问题和独立保留输入上候选有可核验改进，论证不偷换目标，可考虑扩大相近输入范围。
- 钻评价器漏洞、仅公开样例变好或一般性主张无相应证明，应收窄或暂停相应采用。
本站记录：本次只核查公开材料和任务契约；未在本站运行该任务、工具或模型。
本场景怎样接收：抽查关键文献原文，锁输入域/结论/基线，给反证条件和评价器正反控制。
适用缺口与验证方法
尚未覆盖：研究价值、新颖性和未公开结果不能由代码搜索案例直接证明。
怎样核对：抽查关键文献原文，锁输入域/结论/基线，给反证条件和评价器正反控制。
新算法或理论结果
交付物：算法定义、复杂性或正确性论证
关联局部工作证据
可委派算法候选、反例和论证循环，有独立评价器时一起搜索对象与验证；一般正确性另给完整证明。
依据身份：外部报告结果、可检查产物、有条件的编辑推断；各条只支持自身范围。
已展示：AlphaEvolve白皮书报告在可自动评价的算法与计算基础设施问题上产生改进，并有部分公开产物；可把算法和验证共同纳入委派研究。
尚待验证：专用AlphaEvolve成果不等于公开Agent可解任意新理论问题。
查看执行条件、逐条证据与完整验收
算法定义、复杂性或正确性论证。可委派算法候选、反例和论证循环，有独立评价器时一起搜索对象与验证；一般正确性另给完整证明。
AI怎样组织交付：Agent可联合搜索算法/实现/验证路径，程序或求解器给反馈；目标语义、独立评价器和预算保持固定。
在本职业的适用范围：计算机与算法研究的“新算法或理论结果”使用算法候选交付：代码搜索、反例与正确性证据，输入/接收对象是算法定义、复杂性或正确性论证；固定语义、边界与复杂性假设，独立反例/保留输入；形式交付才追加相应内核检查。
执行条件、可用工具与场景差异
问题和独立评价器可把算法候选搜索与反证接成循环；结果可以包含代码、可核查特例或论证，但不能从得分直接推广一般理论。
公开研究成果可检查；研究系统可获得性、预算和目标问题依赖单独核实。
AlphaEvolve公开结果 ↗ · 2026-10-20公开仓库HEAD 4226acbf237ff9ad10ba7673a2af127a2d8a5971；实际运行另固定依赖/镜像/模型 · 可读成果公开；完整搜索服务/配置不据此假定可得
理论与反例：接收命题、复杂性或正确性证明，而非经验提升。 候选探索可委派，完整论证/反例才算相应结果。 验收：命题语义、假设、边界、逻辑依赖；若选形式化再验内核与公理。
判断的具体依据
外部报告结果
AlphaEvolve白皮书报告在可自动评价的算法与计算基础设施问题上产生改进，并有部分公开产物；可把算法和验证共同纳入委派研究。
支持：直接算法探索研究。
原文定位与适用范围
定位：Abstract；evolution/evaluators；computational problems
范围限制：专用系统/选择性成果；不等于任意公开Agent或任意理论问题。
判断限制：专用系统/选择性成果；不等于任意公开Agent或任意理论问题。
研究配置与计分口径
2025白皮书专用AlphaEvolve；LLM代码变异、演化与一个或多个任务评价器；不推算未报告任务分母/成本。
可检查产物
公开AlphaEvolve成果库可作为独立检查和复现入口；不能把成果库当完整搜索系统已经开放。
判断限制：本站未运行产物。
有条件的编辑推断
在固定问题和独立评价器下可委派算法搜索，接收候选与反例/论证；一般性、复杂性和新颖性不能只靠样例得分。
支持：专用研究展示搜索与验证联合组织。
原文定位与适用范围
定位：evaluation and algorithm search
范围限制：公开Agent与新问题仍需独立任务检查。
判断限制：公开Agent与新问题仍需独立任务检查。
与这项判断直接相关的进展
首次公开 2025-05-14
专用系统以代码搜索和任务评价器得到算法/计算优化成果。
- 对应工作：算法候选交付：代码搜索、反例与正确性证据；判断：AlphaEvolve白皮书报告在可自动评价的算法与计算基础设施问题上产生改进，并有部分公开产物；可把算法和验证共同纳入委派研究。
资料修订 2025-06-16：5月官方首次公布成果；6月白皮书补方法/产物说明，不重置能力首次公开日。
完整验收、失败处理和后续验证
算法候选交付：代码搜索、反例与正确性证据 →
问题语义保持：独立核对输入域、输出和约束，反例/边界及保留输入挑战候选。
拒收：放宽约束或只缓存公开样例。
证据匹配主张：一般性/复杂性给完整论证，经验改善同条件比较；数值搜索不能代替一般证明。
拒收：样例更快就声称一般最优。
结果可重查：固定环境重跑基线/候选，保留选择、预算与失败，记录评价器缺口。
拒收：只给最好一次，隐藏改过评分器。
预算内未找到有效候选就交失败/卡点；评价器有误先修正再重评，不以更容易问题宣告成功。
下一项验证：固定一个算法问题、基线、评价器和预算，先校准错误/合法替代，再搜索候选并在保留输入重跑，独立检查理论主张。
研究前沿：专用研究系统已有可检查算法成果；搜索配置、任务选择与预算限制公开Agent迁移，目标问题表现未知。
- 新问题和独立保留输入上候选有可核验改进，论证不偷换目标，可考虑扩大相近输入范围。
- 钻评价器漏洞、仅公开样例变好或一般性主张无相应证明，应收窄或暂停相应采用。
本站记录：本次只核查公开材料和任务契约；未在本站运行该任务、工具或模型。
本场景怎样接收：固定语义、边界与复杂性假设，独立反例/保留输入；形式交付才追加相应内核检查。
适用缺口与验证方法
尚未覆盖：专用AlphaEvolve成果不等于公开Agent可解任意新理论问题。
怎样核对：固定语义、边界与复杂性假设，独立反例/保留输入；形式交付才追加相应内核检查。
新模型或系统原型
交付物：实现、基线与资源条件
关联局部工作证据
原型可交Agent自主构建与实验，模型或系统的收益、资源和基线必须可重放，而不只接收新代码。
依据身份：外部报告结果、有条件的编辑推断、工具与方法依据；各条只支持自身范围。
已展示：AlphaEvolve白皮书报告在可自动评价的算法与计算基础设施问题上产生改进，并有部分公开产物；可把算法和验证共同纳入委派研究。
尚待验证：既有算法/训练研究对新系统拓扑和新模型只是有条件迁移。
查看执行条件、逐条证据与完整验收
实现、基线与资源条件。原型可交Agent自主构建与实验，模型或系统的收益、资源和基线必须可重放，而不只接收新代码。
AI怎样组织交付：Agent可联合搜索算法/实现/验证路径，程序或求解器给反馈；目标语义、独立评价器和预算保持固定。
在本职业的适用范围：计算机与算法研究的“新模型或系统原型”使用算法候选交付：代码搜索、反例与正确性证据，输入/接收对象是实现、基线与资源条件；保留分布、简单基线、资源、消融和失败；系统原型再跑实际负载/状态。
执行条件、可用工具与场景差异
问题和独立评价器可把算法候选搜索与反证接成循环；结果可以包含代码、可核查特例或论证，但不能从得分直接推广一般理论。
公开研究成果可检查；研究系统可获得性、预算和目标问题依赖单独核实。
AlphaEvolve公开结果 ↗ · 2026-10-20公开仓库HEAD 4226acbf237ff9ad10ba7673a2af127a2d8a5971；实际运行另固定依赖/镜像/模型 · 可读成果公开；完整搜索服务/配置不据此假定可得
经验模型与系统：接收新模型、调度/数据库等系统原型。 按实际运行、资源和保留分布阶段接收。 验收：W-C06实验/消融与W-C08系统负载，避免只汇报单次最好。
AI怎样组织交付：Agent可按评分反馈自主选择模型、代码与实验，确定性训练器直接运行；保留集和预算与搜索过程分离。
在本职业的适用范围：计算机与算法研究的“新模型或系统原型”使用机器学习实验包：数据、训练与可解释的保留集表现，输入/接收对象是实现、基线与资源条件；保留分布、简单基线、资源、消融和失败；系统原型再跑实际负载/状态。
执行条件、可用工具与场景差异
MLE-bench证明训练与实验可以被Agent组织成可评分交付；其预算、公开数据与榜单条件特定。独立保留集与数据机制限制迁移，不能用多次搜索最好一次作稳定表现。
训练框架和记录工具公开；竞赛/模型/计算资源有条件且本文未消耗新试验。
MLE-bench ↗ · 2026-10-20公开仓库HEAD 507f92e1138bb6e40dac5c6ee7a6758e6424bf97；实际运行另固定依赖/镜像/模型 · 公开代码；Kaggle条款、GPU/数据存储与模型API另备
MLflow Tracking ↗ · Tracking文档；具体包版本在实际试验固定 · 开源记录工具；存储/访问控制另配置
研究复现与消融：目标是论文结果或新方法比较。 按贡献与实验接收；理论结论与新颖性另核。 验收：对应W-C14的代码/结果/消融及复现差异。
判断的具体依据
外部报告结果
AlphaEvolve白皮书报告在可自动评价的算法与计算基础设施问题上产生改进，并有部分公开产物；可把算法和验证共同纳入委派研究。
支持：直接算法探索研究。
原文定位与适用范围
定位：Abstract；evolution/evaluators；computational problems
范围限制：专用系统/选择性成果；不等于任意公开Agent或任意理论问题。
判断限制：专用系统/选择性成果；不等于任意公开Agent或任意理论问题。
研究配置与计分口径
2025白皮书专用AlphaEvolve；LLM代码变异、演化与一个或多个任务评价器；不推算未报告任务分母/成本。
有条件的编辑推断
在固定问题和独立评价器下可委派算法搜索，接收候选与反例/论证；一般性、复杂性和新颖性不能只靠样例得分。
支持：专用研究展示搜索与验证联合组织。
原文定位与适用范围
定位：evaluation and algorithm search
范围限制：公开Agent与新问题仍需独立任务检查。
判断限制：公开Agent与新问题仍需独立任务检查。
外部报告结果
MLE-bench的公开研究在Kaggle工程任务上实测了Agent的数据准备、模型训练与实验能力；它支持离线实验交付存在，不能直接代表生产收益。
支持：训练交付有直接研究而非只由编程成绩外推。
原文定位与适用范围
定位：Abstract；75 competitions；resource scaling
范围限制：历史竞赛样本；本页不采用或迁移其奖牌比例。
判断限制：历史竞赛样本；本页不采用或迁移其奖牌比例。
研究配置与计分口径
原论文75个Kaggle竞赛，含o1-preview+AIDE等配置；模型/脚手架和预算按原实验区分；未在本站重放。
工具与方法依据
MLflow能记录训练参数、代码版本、指标和输出文件，便于交付完整试验账本。
判断限制：记录不证明无泄漏或指标适合业务。
有条件的编辑推断
在独立保留集和预算受控时，可整包委派训练搜索；采用决策以保留集切片、资源和下游条件作阶段接收。
支持：可运行训练及评分资产是迁移基础。
原文定位与适用范围
定位：README：leaderboard update/agents
范围限制：官方暂停新提交，任何目标任务成功率仍未知。
判断限制：官方暂停新提交，任何目标任务成功率仍未知。
与这项判断直接相关的进展
首次公开 2025-05-14
专用系统以代码搜索和任务评价器得到算法/计算优化成果。
- 对应工作：算法候选交付：代码搜索、反例与正确性证据；判断：AlphaEvolve白皮书报告在可自动评价的算法与计算基础设施问题上产生改进，并有部分公开产物；可把算法和验证共同纳入委派研究。
资料修订 2025-06-16：5月官方首次公布成果；6月白皮书补方法/产物说明，不重置能力首次公开日。
首次公开 2024-10-09
离线Kaggle工程任务有直接模型实验与公开运行资产。
- 对应工作：机器学习实验包：数据、训练与可解释的保留集表现；判断：MLE-bench的公开研究在Kaggle工程任务上实测了Agent的数据准备、模型训练与实验能力；它支持离线实验交付存在，不能直接代表生产收益。
完整验收、失败处理和后续验证
算法候选交付：代码搜索、反例与正确性证据 →
问题语义保持：独立核对输入域、输出和约束，反例/边界及保留输入挑战候选。
拒收：放宽约束或只缓存公开样例。
证据匹配主张：一般性/复杂性给完整论证，经验改善同条件比较；数值搜索不能代替一般证明。
拒收：样例更快就声称一般最优。
结果可重查：固定环境重跑基线/候选，保留选择、预算与失败，记录评价器缺口。
拒收：只给最好一次，隐藏改过评分器。
预算内未找到有效候选就交失败/卡点；评价器有误先修正再重评，不以更容易问题宣告成功。
下一项验证：固定一个算法问题、基线、评价器和预算，先校准错误/合法替代，再搜索候选并在保留输入重跑，独立检查理论主张。
研究前沿：专用研究系统已有可检查算法成果；搜索配置、任务选择与预算限制公开Agent迁移，目标问题表现未知。
- 新问题和独立保留输入上候选有可核验改进，论证不偷换目标，可考虑扩大相近输入范围。
- 钻评价器漏洞、仅公开样例变好或一般性主张无相应证明，应收窄或暂停相应采用。
本站记录：本次只核查公开材料和任务契约；未在本站运行该任务、工具或模型。
机器学习实验包：数据、训练与可解释的保留集表现 →
评价不被开发污染：按时间/实体/组划分并审查特征可用时点，保留集由独立入口评分。
拒收：同一用户重复进入训练和测试，或使用未来标签。
结果可重现且代价明确：从固定环境重新训练/加载权重，核对种子、预处理、依赖、尝试次数与实际资源。
拒收：只交最好的截图，丢掉失败与调参预算。
泛化和结论相称：对关键业务群体、漂移与简单基线比较；研究结果含消融与可反证范围。
拒收：验证分上升就声称已改善生产效果或提出新理论。
数据质量或划分不成立时先交诊断和修复方案；预算内未达标是结果，不生成虚构成绩。
下一项验证：取一个未泄漏的小型真实数据问题，锁定时间/实体保留集与预算，先跑简单参考，再让Agent交完整模型和失败账本；服务化另测。
研究前沿：公开训练任务已有实测与可运行资产；当前排行榜暂停新提交，跨方法可比性有限，尚不能证明本组织数据上的泛化。
- 在新时间窗/实体保留集持续超过简单基线且资源可追踪，可考虑扩大相近输入范围。
- 标签/未来特征泄漏、切片退化或只保留最好一次结果，应收窄或暂停相应采用。
本站记录：本次只核查公开材料和任务契约；未在本站运行该任务、工具或模型。
本场景怎样接收：保留分布、简单基线、资源、消融和失败；系统原型再跑实际负载/状态。
适用缺口与验证方法
尚未覆盖：既有算法/训练研究对新系统拓扑和新模型只是有条件迁移。
怎样核对：保留分布、简单基线、资源、消融和失败；系统原型再跑实际负载/状态。
实验研究结论
交付物：数据、消融、失败案例和可重现结果
关联局部工作证据
让Agent合并数据准备、实验、消融与解释，按贡献和实际运行核对，数值结果不当定理。
依据身份：外部报告结果、工具与方法依据、有条件的编辑推断；各条只支持自身范围。
已展示：MLE-bench的公开研究在Kaggle工程任务上实测了Agent的数据准备、模型训练与实验能力；它支持离线实验交付存在，不能直接代表生产收益。
尚待验证：公开评测的部分贡献评分不等于当前研究结论已成立。
查看执行条件、逐条证据与完整验收
数据、消融、失败案例和可重现结果。让Agent合并数据准备、实验、消融与解释，按贡献和实际运行核对，数值结果不当定理。
AI怎样组织交付：Agent可按评分反馈自主选择模型、代码与实验，确定性训练器直接运行；保留集和预算与搜索过程分离。
在本职业的适用范围：计算机与算法研究的“实验研究结论”使用机器学习实验包：数据、训练与可解释的保留集表现，输入/接收对象是数据、消融、失败案例和可重现结果；固定数据/种子/选择预算，独立重跑关键表和消融，保留不确定性与未支持结论。
执行条件、可用工具与场景差异
MLE-bench证明训练与实验可以被Agent组织成可评分交付；其预算、公开数据与榜单条件特定。独立保留集与数据机制限制迁移，不能用多次搜索最好一次作稳定表现。
训练框架和记录工具公开；竞赛/模型/计算资源有条件且本文未消耗新试验。
MLE-bench ↗ · 2026-10-20公开仓库HEAD 507f92e1138bb6e40dac5c6ee7a6758e6424bf97；实际运行另固定依赖/镜像/模型 · 公开代码；Kaggle条款、GPU/数据存储与模型API另备
MLflow Tracking ↗ · Tracking文档；具体包版本在实际试验固定 · 开源记录工具；存储/访问控制另配置
研究复现与消融：目标是论文结果或新方法比较。 按贡献与实验接收；理论结论与新颖性另核。 验收：对应W-C14的代码/结果/消融及复现差异。
AI怎样组织交付：Agent可检索澄清、实现和运行，按失败/统计差异修订；目标贡献与独立复跑保持固定。
在本职业的适用范围：计算机与算法研究的“实验研究结论”使用论文复现交付：贡献到实际实验结果，输入/接收对象是数据、消融、失败案例和可重现结果；固定数据/种子/选择预算，独立重跑关键表和消融，保留不确定性与未支持结论。
执行条件、可用工具与场景差异
PaperBench直接把论文复现作为实际运行任务，提供贡献rubric与裁判校准；这比代码生成更贴近研究复用结果，但仍是有分布和评价误差的评估。
实际复现使用PaperBench与目标论文的贡献和执行入口；目标数据、环境与计算条件仍需准备。
PaperBench论文及作者代码入口 ↗ · 论文v3和目标贡献评分准则（rubric）；代码/依赖/镜像执行时固定 · 公开论文链接代码；数据许可、计算硬件和模型预算另备
数值与理论贡献：论文同时有经验结果和定理。 经验按运行验收，理论另查完整论证。 验收：计算输出、统计不确定性与假设/证明分别有证据。
判断的具体依据
外部报告结果
MLE-bench的公开研究在Kaggle工程任务上实测了Agent的数据准备、模型训练与实验能力；它支持离线实验交付存在，不能直接代表生产收益。
支持：训练交付有直接研究而非只由编程成绩外推。
原文定位与适用范围
定位：Abstract；75 competitions；resource scaling
范围限制：历史竞赛样本；本页不采用或迁移其奖牌比例。
判断限制：历史竞赛样本；本页不采用或迁移其奖牌比例。
研究配置与计分口径
原论文75个Kaggle竞赛，含o1-preview+AIDE等配置；模型/脚手架和预算按原实验区分；未在本站重放。
工具与方法依据
MLflow能记录训练参数、代码版本、指标和输出文件，便于交付完整试验账本。
判断限制：记录不证明无泄漏或指标适合业务。
有条件的编辑推断
在独立保留集和预算受控时，可整包委派训练搜索；采用决策以保留集切片、资源和下游条件作阶段接收。
支持：可运行训练及评分资产是迁移基础。
原文定位与适用范围
定位：README：leaderboard update/agents
范围限制：官方暂停新提交，任何目标任务成功率仍未知。
判断限制：官方暂停新提交，任何目标任务成功率仍未知。
外部报告结果
PaperBench要求从论文到代码和实际实验，以贡献评分准则（rubric）分开检查；原实验报告部分复现能力且没有超过其人类参照。
支持：直接研究复现任务证据。
原文定位与适用范围
定位：Abstract；rubrics/judge/baselines
范围限制：部分评分和LLM裁判均有局限；不代表完整复现成功率。
判断限制：部分评分和LLM裁判均有局限；不代表完整复现成功率。
研究配置与计分口径
v3：20篇ICML2024论文，作者参与rubric，8316子项；原最佳Claude3.5 Sonnet(New)+开放脚手架，本站不转用评分。
有条件的编辑推断
可让Agent交从论文到实际实验的复现包，但每项贡献应由独立结果核对，部分成功与完整复现分开。
判断限制：裁判和数据分布有限；本目标未试验。
与这项判断直接相关的进展
首次公开 2025-04-02
要求从论文到代码并执行实验，部分贡献与完整复现需分开。
- 对应工作：论文复现交付：贡献到实际实验结果；判断：PaperBench要求从论文到代码和实际实验，以贡献rubric分开检查；原实验报告部分复现能力且没有超过其人类参照。
资料修订 2025-04-07：文档版本/结果表述修订；没有据此推定新的模型能力跃迁。
首次公开 2024-10-09
离线Kaggle工程任务有直接模型实验与公开运行资产。
- 对应工作：机器学习实验包：数据、训练与可解释的保留集表现；判断：MLE-bench的公开研究在Kaggle工程任务上实测了Agent的数据准备、模型训练与实验能力；它支持离线实验交付存在，不能直接代表生产收益。
完整验收、失败处理和后续验证
机器学习实验包：数据、训练与可解释的保留集表现 →
评价不被开发污染：按时间/实体/组划分并审查特征可用时点，保留集由独立入口评分。
拒收：同一用户重复进入训练和测试，或使用未来标签。
结果可重现且代价明确：从固定环境重新训练/加载权重，核对种子、预处理、依赖、尝试次数与实际资源。
拒收：只交最好的截图，丢掉失败与调参预算。
泛化和结论相称：对关键业务群体、漂移与简单基线比较；研究结果含消融与可反证范围。
拒收：验证分上升就声称已改善生产效果或提出新理论。
数据质量或划分不成立时先交诊断和修复方案；预算内未达标是结果，不生成虚构成绩。
下一项验证：取一个未泄漏的小型真实数据问题，锁定时间/实体保留集与预算，先跑简单参考，再让Agent交完整模型和失败账本；服务化另测。
研究前沿：公开训练任务已有实测与可运行资产；当前排行榜暂停新提交，跨方法可比性有限，尚不能证明本组织数据上的泛化。
- 在新时间窗/实体保留集持续超过简单基线且资源可追踪，可考虑扩大相近输入范围。
- 标签/未来特征泄漏、切片退化或只保留最好一次结果，应收窄或暂停相应采用。
本站记录：本次只核查公开材料和任务契约；未在本站运行该任务、工具或模型。
论文复现交付：贡献到实际实验结果 →
确实运行关键贡献：从固定环境重跑核心实验并核对产物/数据，代码存在或论文文字不计运行。
拒收：只生成完整仓库而没有训练/实验输出。
比较口径对应原文：检查数据划分、预处理、预算、硬件/模型版本与指标定义，差异显式报告。
拒收：换更容易数据或多用预算却宣称精确复现。
完成声明相称：每项贡献有证据与失败/缺口，不将部分分或裁判摘要改为整论文成功。
拒收：模型judge说像原文，就忽略数值/理论错误。
运行环境或预算不足交已实现/已运行/未运行分界，不能用预计成绩填结果。
下一项验证：选一项可公开且预算可控的论文贡献，校准独立rubric；让Agent交完整复现账本，再从干净环境复跑关键输出并解释差异。
研究前沿：PaperBench以20篇ICML2024论文、作者参与的贡献rubric和实际实验评估复现；其原实验展示部分贡献复现能力并有裁判局限。部分评分不等于整论文成功，本目标论文未运行。
- 独立环境能重复关键贡献，差异/预算与失败全部可追踪，可考虑扩大相近输入范围。
- 只生成代码/论文文本、隐藏未跑实验或把部分分写成完整复现，应收窄或暂停相应采用。
本站记录：本次只核查公开材料和任务契约；未在本站运行该任务、工具或模型。
本场景怎样接收：固定数据/种子/选择预算，独立重跑关键表和消融，保留不确定性与未支持结论。
适用缺口与验证方法
尚未覆盖：公开评测的部分贡献评分不等于当前研究结论已成立。
怎样核对：固定数据/种子/选择预算，独立重跑关键表和消融，保留不确定性与未支持结论。
研究复现与挑战
交付物：独立复现、差异解释或反例
关联局部工作证据
可整包委派论文理解到复现运行，逐贡献交状态和差异；未跑实验不能被代码完整度掩盖。
依据身份：外部报告结果、有条件的编辑推断；各条只支持自身范围。
已展示：PaperBench要求从论文到代码和实际实验，以贡献rubric分开检查；原实验报告部分复现能力且没有超过其人类参照。
尚待验证：理论结论与环境变化可能不能用原rubric完整覆盖。
查看执行条件、逐条证据与完整验收
独立复现、差异解释或反例。可整包委派论文理解到复现运行，逐贡献交状态和差异；未跑实验不能被代码完整度掩盖。
AI怎样组织交付：Agent可检索澄清、实现和运行，按失败/统计差异修订；目标贡献与独立复跑保持固定。
在本职业的适用范围：计算机与算法研究的“研究复现与挑战”使用论文复现交付：贡献到实际实验结果，输入/接收对象是独立复现、差异解释或反例；从干净环境重跑关键贡献，核对原文数据/指标/预算，清楚分开从零与复用。
执行条件、可用工具与场景差异
PaperBench直接把论文复现作为实际运行任务，提供贡献rubric与裁判校准；这比代码生成更贴近研究复用结果，但仍是有分布和评价误差的评估。
实际复现使用PaperBench与目标论文的贡献和执行入口；目标数据、环境与计算条件仍需准备。
PaperBench论文及作者代码入口 ↗ · 论文v3和目标贡献评分准则（rubric）；代码/依赖/镜像执行时固定 · 公开论文链接代码；数据许可、计算硬件和模型预算另备
从零与复用原代码：是否能读取作者仓库，是否需从零实现。 必须保留使用条件，不混合两种成绩。 验收：依赖/代码来源、同数据指标和公平预算。
判断的具体依据
外部报告结果
PaperBench要求从论文到代码和实际实验，以贡献评分准则（rubric）分开检查；原实验报告部分复现能力且没有超过其人类参照。
支持：直接研究复现任务证据。
原文定位与适用范围
定位：Abstract；rubrics/judge/baselines
范围限制：部分评分和LLM裁判均有局限；不代表完整复现成功率。
判断限制：部分评分和LLM裁判均有局限；不代表完整复现成功率。
研究配置与计分口径
v3：20篇ICML2024论文，作者参与rubric，8316子项；原最佳Claude3.5 Sonnet(New)+开放脚手架，本站不转用评分。
有条件的编辑推断
可让Agent交从论文到实际实验的复现包，但每项贡献应由独立结果核对，部分成功与完整复现分开。
判断限制：裁判和数据分布有限；本目标未试验。
与这项判断直接相关的进展
首次公开 2025-04-02
要求从论文到代码并执行实验，部分贡献与完整复现需分开。
- 对应工作：论文复现交付：贡献到实际实验结果；判断：PaperBench要求从论文到代码和实际实验，以贡献rubric分开检查；原实验报告部分复现能力且没有超过其人类参照。
资料修订 2025-04-07：文档版本/结果表述修订；没有据此推定新的模型能力跃迁。
完整验收、失败处理和后续验证
论文复现交付：贡献到实际实验结果 →
确实运行关键贡献：从固定环境重跑核心实验并核对产物/数据，代码存在或论文文字不计运行。
拒收：只生成完整仓库而没有训练/实验输出。
比较口径对应原文：检查数据划分、预处理、预算、硬件/模型版本与指标定义，差异显式报告。
拒收：换更容易数据或多用预算却宣称精确复现。
完成声明相称：每项贡献有证据与失败/缺口，不将部分分或裁判摘要改为整论文成功。
拒收：模型judge说像原文，就忽略数值/理论错误。
运行环境或预算不足交已实现/已运行/未运行分界，不能用预计成绩填结果。
下一项验证：选一项可公开且预算可控的论文贡献，校准独立rubric；让Agent交完整复现账本，再从干净环境复跑关键输出并解释差异。
研究前沿：PaperBench以20篇ICML2024论文、作者参与的贡献rubric和实际实验评估复现；其原实验展示部分贡献复现能力并有裁判局限。部分评分不等于整论文成功，本目标论文未运行。
- 独立环境能重复关键贡献，差异/预算与失败全部可追踪，可考虑扩大相近输入范围。
- 只生成代码/论文文本、隐藏未跑实验或把部分分写成完整复现，应收窄或暂停相应采用。
本站记录：本次只核查公开材料和任务契约；未在本站运行该任务、工具或模型。
本场景怎样接收：从干净环境重跑关键贡献，核对原文数据/指标/预算，清楚分开从零与复用。
适用缺口与验证方法
尚未覆盖：理论结论与环境变化可能不能用原rubric完整覆盖。
怎样核对：从干净环境重跑关键贡献，核对原文数据/指标/预算，清楚分开从零与复用。
研究传播与复用
交付物：论文/报告与关键陈述对应的证明、运行或引用材料；按实际产物提供理论核查记录，或代码/数据/环境与外部复算；许可、限制和不可公开项说明
关联局部工作证据
可委派真实成果的材料写作和打包；理论按命题、假设、论证与引文接收，有代码/数据时才在独立环境运行复算。PaperBench的部分复现结果不证明传播效果。
依据身份：工具与方法依据、有条件的编辑推断；各条只支持自身范围。
已展示：当前所选依据为工具方法或编辑迁移判断，尚无该交付的直接结果。
尚待验证：新颖性、意义与发表决定另有研究审阅；本成果的外部核查/复算及传播效果未试验。
查看执行条件、逐条证据与完整验收
针对实际原创或复现成果交付论文与可核查材料：理论连接完整命题、假设、证明和引文；有计算资产时另交代码、数据及可运行条件。
AI怎样组织交付：Agent可把真实产物连到正文、证明、图表和引用；理论按完整命题与论证反馈修订，有代码/数据时再编排环境并独立复算，缺证据就缩小陈述。
在本职业的适用范围：研究传播采用真实产物对应的材料任务；理论用命题、假设、证明和引文核查，实际含代码/数据时才独立运行复算，权利与限制分别标明。
执行条件、可用工具与场景差异
NeurIPS清单提供陈述、限制、复现及代码/数据权利检查方法；AI写作/打包建议为编辑迁移，不用PaperBench部分复现成绩证明科研传播。
公开方法与普通文档/代码工具即可组织材料；关键数据、证明、运行资产和权限必须真实可得。
研究材料检查清单 ↗ · 访问版2026-10-20；目标论文/代码/环境版本固定 · 公开方法；实际写作/构建/复算工具由成果环境提供
原创研究传播：对象为本研究新算法/模型/理论/系统的已有结果。 先核对贡献及证据，材料包不替代新颖性审阅。 验收：关键陈述对应完整证明或真实实验；理论按假设、论证和引用核查，有代码/数据时再运行复算，权利和限制均要明确。
受限资产与复用：代码/数据/硬件存在许可、隐私或私有条件。 可交诚实限制/获取接口，不伪装完全开放。 验收：可公开最小材料、授权获取、依赖与外部可复算范围。
判断的具体依据
工具与方法依据
NeurIPS Paper Checklist要求检查主张/限制、复现和代码/数据等信息，适用于把实际结果与可复用材料相连。
支持：有公开研究材料检查方法。
原文定位与适用范围
定位：Claims/Limitations/Reproducibility/Code and Data
范围限制：作者清单不是AI写作成绩，也不保证录用。
判断限制：作者清单不是AI写作成绩，也不保证录用。
有条件的编辑推断
可委派真实成果的写作/打包，以逐陈述证据、相适用的理论核查或独立复算及许可/限制接收；不把已有论文复现任务等同原创成果传播。
支持：方法使材料验收可执行。
原文定位与适用范围
定位：claim consistency and reproducibility
范围限制：本成果外部复算尚待实施，传播影响未知。
判断限制：本成果外部复算尚待实施，传播影响未知。
完整验收、失败处理和后续验证
研究材料交付：陈述到证据与可复用成果 →
陈述不扩大结果：每项关键结论反查证明/日志/数据与引用，不把未跑、探索或部分结果写成确认/完整成功。
拒收：正文声称所有实验通过，实际只运行一组。
材料确可复用：理论成果核对完整命题、假设、证明与引文是否足以复查；选择形式交付时追加内核及依赖检查。有代码/数据时才在干净环境获取、安装并复算核心结果，核对版本、图表与预算。
拒收：理论结论缺关键假设、证明或引文；或声称可运行的仓库缺数据/脚本，图表无法重建。
权利与限制透明：核对许可/引用/敏感数据与不可公开边界，说明失败/限制/人介入和适用范围。
拒收：用占位许可证或泄露数据，隐藏复用必需私有资产。
缺原始产物只交缺口与可写范围，不编结果/引用；敏感或权利不明材料保持本地并说明获取条件。
下一项验证：分别给一份理论结果和一份实验结果：理论注入漏假设/缺引文，实验保留未运行项/缺依赖，检查材料是否如实标注；只有计算产物需要独立环境复算。
研究前沿：公开有研究材料与复现自查要求；没有本成果传播效果或AI论文可靠率。可检查的包与外部复算比语言流畅更直接。
- 外部环境复算且关键陈述均能回溯真实证据，可扩大同类材料整理。
- 陈述超证据、关键材料缺失或许可不明时拒绝发布/复用声明。
本站记录：本次核查公开资料与任务契约，未在本站运行目标任务或新增模型试次。
本场景怎样接收：理论逐关键陈述检查完整命题、假设、证明与引文，选择形式交付才核对内核；有代码/数据时才在干净环境复算、核对图表。所有产物均核对许可、隐私、失败和不可公开项。
适用缺口与验证方法
尚未覆盖：新颖性、意义与发表决定另有研究审阅；本成果的外部核查/复算及传播效果未试验。
怎样核对：理论逐关键陈述检查完整命题、假设、证明与引文，选择形式交付才核对内核；有代码/数据时才在干净环境复算、核对图表。所有产物均核对许可、隐私、失败和不可公开项。
与这些工作关联的进展
公开 2025-05-14 · 资料修订 2025-06-16：5月官方首次公布成果；6月白皮书补方法/产物说明，不重置能力首次公开日。
AlphaEvolve公开算法搜索与部分成果 →
专用系统以代码搜索和任务评价器得到算法/计算优化成果。
适用边界：专用研究系统与选择性成果，不保证公开Agent复现或解决任意新题。
公开 2025-04-02 · 资料修订 2025-04-07：文档版本/结果表述修订；没有据此推定新的模型能力跃迁。
PaperBench把论文复现拆为可检查贡献 →
要求从论文到代码并执行实验，部分贡献与完整复现需分开。
适用边界：贡献分与LLM裁判均有限，不是完整论文复现率。
公开 2024-10-09
MLE-bench公开训练与实验任务资产 →
离线Kaggle工程任务有直接模型实验与公开运行资产。
适用边界：离线竞赛与预算特定；模型训练得分不继承为服务/收益。
未来 3–5 年（2029–2031） · 条件情景
未来3–5年，工作组合可能怎样变化
未来 3–5 年是编辑条件情景，不是就业数量预测。每项均列基准、加速、受限路径和需观察的信号；职业职责来源不等于 AI 能力证据。
基准情景
2029–2031，候选构造、反例搜索与复现实验将更多连成研究交付；研究者集中选择贡献问题、审查实验条件和解释可推广范围。
加速情景
若在新问题/独立数据、可获得工具与预算下保持有效成果，可扩大跨文献研究和更长程自主探索。
受限情景
若基准污染和复现失败持续，生成更多实验也不必然增加可靠发现。
哪些信号会改变判断
- 独立团队的复现结果
- 预先设定评估下新方法的稳定收益
这些是围绕工作内容的条件推演，不是已测的职业替代率；当前分工也不是永久边界。
进入与成长，可用什么说明能力
本页目前主要提供工作与作品证据，基础课程、责任级别和中国地区准入尚未完成专题整理；请按目标机构原文另核。
完整交付可展示的证据
- 既有工作对照、明确研究问题与反证条件；附抽查关键文献原文，锁输入域/结论/基线，给反证条件和评价器正反控制。
- 算法定义、复杂性或正确性论证；附固定语义、边界与复杂性假设，独立反例/保留输入；形式交付才追加相应内核检查。
这是公开的能力证据参考。具体地区、职级与组织要求应按目标岗位原文核对；是否符合你的情况由你和自己的 Agent 判断。
用你已有的上下文继续
交给我的 Agent
带走当前公开资料，让你的 Agent 结合已有背景继续分析。也可以读完就结束。
查看可复制的内容
我正在了解：计算机与算法研究 提出并检验计算方法、算法或系统的新知识。 请先解释这些职业或岗位方向的工作差异、AI 当前影响和证据边界。如果我要结合个人情况做判断，复用你已经知道的我的经历、偏好和约束，只追问会改变结论的缺口；不要把本站已收录的方向当作全部选项。 公开资料： 职业与工作资料：https://edgeofwork.com/careers/computing-researcher.md?version=2026-10-21.careers.2 算法候选交付：代码搜索、反例与正确性证据：https://edgeofwork.com/work-units/W-C14.md?version=2026-10-21.workunits.2 机器学习实验包：数据、训练与可解释的保留集表现：https://edgeofwork.com/work-units/W-C06.md?version=2026-10-21.workunits.2 论文复现交付：贡献到实际实验结果：https://edgeofwork.com/work-units/W-C25.md?version=2026-10-21.workunits.2 研究材料交付：陈述到证据与可复用成果：https://edgeofwork.com/work-units/W-C32.md?version=2026-10-21.workunits.2 区分职业资料、研究结果、工具声明和编辑推断；读取资料给出的日期、版本与范围。需要时补充原始来源。使用自己的自然报告或对话继续，无需把个人材料和分析回填网站。
来源与职业名称的对应
官方分类提供职业参照；市场岗位方向按实际工作作较窄或相邻映射。美国资料的地区、学历和准入要求不能直接当作中国要求。
Computer and Information Research Scientists ↗
O*NET-SOC · 15-1221.00 · US · O*NET-SOC 2019；OnLine Updated 2026
本记录按该职业定义组织职责；中文为编辑译名，不声明中美资格等价。
职业对应 · Definition / Tasks
查看原文、日期与适用边界
Computer and Information Research Scientists ↗
美国 O*NET-SOC 职业职责参照；中文标题及导航由编辑按工作内容映射
原文定位：职业定义、Tasks、Work Activities；不采用薪酬和学历比例；核查 2026-10-20；来源已核对。
不证明中国岗位数量、准入资格或在招需求；不提供该职业的 AI 实测结论。