# 计算机与算法研究 职业；职业资料版本 2026-10-21.careers.2；核查 2026-10-20 提出并检验计算方法、算法或系统的新知识。 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。 名称/别名：算法研究员、计算机研究员、AI研究员、研究科学家、Research Scientist 来源状态：active ## 职业工作范围 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 产物：既有工作对照、明确研究问题与反证条件 内容覆盖：documented；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。 任务应用：/careers/computing-researcher#work-computing-researcher-deliverable-1 变体：理论与反例 ### 新算法或理论结果 产物：算法定义、复杂性或正确性论证 内容覆盖：documented；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。 任务应用：/careers/computing-researcher#work-computing-researcher-deliverable-2 变体：理论与反例 ### 新模型或系统原型 产物：实现、基线与资源条件 内容覆盖：documented；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。 任务应用：/careers/computing-researcher#work-computing-researcher-deliverable-3 变体：经验模型与系统；研究复现与消融 ### 实验研究结论 产物：数据、消融、失败案例和可重现结果 内容覆盖：documented；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。 任务应用：/careers/computing-researcher#work-computing-researcher-deliverable-4 变体：研究复现与消融；数值与理论贡献 ### 研究复现与挑战 产物：独立复现、差异解释或反例 内容覆盖：documented；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。 任务应用：/careers/computing-researcher#work-computing-researcher-deliverable-5 变体：从零与复用原代码 ### 研究传播与复用 产物：论文及实际证明或计算产物、限制与复用说明 内容覆盖：documented；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。 任务应用：/careers/computing-researcher#work-computing-researcher-deliverable-6 变体：原创研究传播；受限资产与复用 范围来源：https://www.onetonline.org/link/summary/15-1221.00 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 待补： - 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 ## 主要工作与 AI 当前变化 以下条件评估与局部证据分别标示，不表示整项职业已验证。 ### 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。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。 交付物：既有工作对照、明确研究问题与反证条件 判断依据：有条件的编辑推断 当前变化：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。 - 算法候选交付：代码搜索、反例与正确性证据：/work-units/W-C14?version=2026-10-21.workunits.2 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。（partial；workunits/work-unit/W-C14@2026-10-21.workunits.2） 应用范围：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。 AI工作组织：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。 ## 任务级判断与证据 采用方式：探索与候选交付 从证据到建议：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。 当前可用性：mixed；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：https://github.com/google-deepmind/alphaevolve_results 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 ### 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。 依据身份：有条件的编辑推断；状态：active - AlphaEvolve 白皮书：https://arxiv.org/abs/2506.13131v1 定位：evaluation and algorithm search；关系：partial 支持：专用研究展示搜索与验证联合组织。 限制：公开Agent与新问题仍需独立任务检查。 核查：2026-10-20；来源状态：active 适用限制：公开Agent与新问题仍需独立任务检查。 ## 情境变化 ### 理论与反例 输入变化：接收命题、复杂性或正确性证明，而非经验提升。 判断变化：候选探索可委派，完整论证/反例才算相应结果。 验收变化：命题语义、假设、边界、逻辑依赖；若选形式化再验内核与公理。 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。 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。 未来改判信号： - 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。 接收/拒收： - 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。 失败处理：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。 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。 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。 验证方法：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 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。 交付物：算法定义、复杂性或正确性论证 判断依据：外部报告结果、可检查产物、有条件的编辑推断 当前变化：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。 - 算法候选交付：代码搜索、反例与正确性证据：/work-units/W-C14?version=2026-10-21.workunits.2 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。（partial；workunits/work-unit/W-C14@2026-10-21.workunits.2） 应用范围：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。 AI工作组织：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。 ## 任务级判断与证据 采用方式：探索与候选交付 从证据到建议：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。 当前可用性：mixed；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：https://github.com/google-deepmind/alphaevolve_results 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 ### 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。 依据身份：外部报告结果；状态：active - AlphaEvolve 白皮书：https://arxiv.org/abs/2506.13131v1 定位：Abstract；evolution/evaluators；computational problems；关系：partial 支持：直接算法探索研究。 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。 核查：2026-10-20；来源状态：active 配置：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。 适用限制：专用系统/选择性成果；不等于任意公开Agent或任意理论问题。 相关进展（本条判断）： - AlphaEvolve公开算法搜索与部分成果：/explore?purpose=understand&domain=computing&window=all#P-C-ALGORITHM 首次公开 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。 ### 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。 依据身份：可检查产物；状态：active - AlphaEvolve 公开产物：https://github.com/google-deepmind/alphaevolve_results 定位：README与结果目录；关系：partial 支持：有可定位产物。 限制：本站未运行产物。 核查：2026-10-20；来源状态：active 适用限制：本站未运行产物。 ### 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。 依据身份：有条件的编辑推断；状态：active - AlphaEvolve 白皮书：https://arxiv.org/abs/2506.13131v1 定位：evaluation and algorithm search；关系：partial 支持：专用研究展示搜索与验证联合组织。 限制：公开Agent与新问题仍需独立任务检查。 核查：2026-10-20；来源状态：active 适用限制：公开Agent与新问题仍需独立任务检查。 ## 情境变化 ### 理论与反例 输入变化：接收命题、复杂性或正确性证明，而非经验提升。 判断变化：候选探索可委派，完整论证/反例才算相应结果。 验收变化：命题语义、假设、边界、逻辑依赖；若选形式化再验内核与公理。 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。 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。 未来改判信号： - 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。 接收/拒收： - 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。 失败处理：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。 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。 尚未覆盖：专用AlphaEvolve成果不等于公开Agent可解任意新理论问题。 验证方法：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 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。 交付物：实现、基线与资源条件 判断依据：外部报告结果、有条件的编辑推断、工具与方法依据 当前变化：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。 - 算法候选交付：代码搜索、反例与正确性证据：/work-units/W-C14?version=2026-10-21.workunits.2 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。（partial；workunits/work-unit/W-C14@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：/work-units/W-C06?version=2026-10-21.workunits.2 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。（partial；workunits/work-unit/W-C06@2026-10-21.workunits.2） 应用范围：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。 AI工作组织：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。 ## 任务级判断与证据 采用方式：探索与候选交付 从证据到建议：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。 当前可用性：mixed；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：https://github.com/google-deepmind/alphaevolve_results 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 ### 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。 依据身份：外部报告结果；状态：active - AlphaEvolve 白皮书：https://arxiv.org/abs/2506.13131v1 定位：Abstract；evolution/evaluators；computational problems；关系：partial 支持：直接算法探索研究。 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。 核查：2026-10-20；来源状态：active 配置：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。 适用限制：专用系统/选择性成果；不等于任意公开Agent或任意理论问题。 相关进展（本条判断）： - AlphaEvolve公开算法搜索与部分成果：/explore?purpose=understand&domain=computing&window=all#P-C-ALGORITHM 首次公开 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。 ### 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。 依据身份：有条件的编辑推断；状态：active - AlphaEvolve 白皮书：https://arxiv.org/abs/2506.13131v1 定位：evaluation and algorithm search；关系：partial 支持：专用研究展示搜索与验证联合组织。 限制：公开Agent与新问题仍需独立任务检查。 核查：2026-10-20；来源状态：active 适用限制：公开Agent与新问题仍需独立任务检查。 ## 情境变化 ### 经验模型与系统 输入变化：接收新模型、调度/数据库等系统原型。 判断变化：按实际运行、资源和保留分布阶段接收。 验收变化：W-C06实验/消融与W-C08系统负载，避免只汇报单次最好。 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。 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。 未来改判信号： - 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。 接收/拒收： - 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。 失败处理：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。 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。 应用范围：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。 AI工作组织：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。 ## 任务级判断与证据 采用方式：分阶段接收 从证据到建议：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。 当前可用性：mixed；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：https://github.com/openai/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：https://mlflow.org/docs/latest/ml/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 ### 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。 依据身份：外部报告结果；状态：active - MLE-bench 原论文：https://arxiv.org/abs/2410.07095v1 定位：Abstract；75 competitions；resource scaling；关系：partial 支持：训练交付有直接研究而非只由编程成绩外推。 限制：历史竞赛样本；本页不采用或迁移其奖牌比例。 核查：2026-10-20；来源状态：active 配置：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。 适用限制：历史竞赛样本；本页不采用或迁移其奖牌比例。 相关进展（本条判断）： - MLE-bench公开训练与实验任务资产：/explore?purpose=understand&domain=computing&window=all#P-C-ML-TRAIN 首次公开 2024-10-09 ### 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。 依据身份：工具与方法依据；状态：active - MLflow Tracking 官方说明：https://mlflow.org/docs/latest/ml/tracking/ 定位：Tracking Runs；Runs/Models；关系：method 支持：提供可追踪实验接口。 限制：记录不证明无泄漏或指标适合业务。 核查：2026-10-20；来源状态：active 适用限制：记录不证明无泄漏或指标适合业务。 ### 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。 依据身份：有条件的编辑推断；状态：active - MLE-bench 官方实现与可比性公告：https://github.com/openai/mle-bench 定位：README：leaderboard update/agents；关系：partial 支持：可运行训练及评分资产是迁移基础。 限制：官方暂停新提交，任何目标任务成功率仍未知。 核查：2026-10-20；来源状态：active 适用限制：官方暂停新提交，任何目标任务成功率仍未知。 ## 情境变化 ### 研究复现与消融 输入变化：目标是论文结果或新方法比较。 判断变化：按贡献与实验接收；理论结论与新颖性另核。 验收变化：对应W-C14的代码/结果/消融及复现差异。 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。 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。 未来改判信号： - 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。 接收/拒收： - 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。 失败处理：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。 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。 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。 验证方法：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 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。 交付物：数据、消融、失败案例和可重现结果 判断依据：外部报告结果、工具与方法依据、有条件的编辑推断 当前变化：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。 - 机器学习实验包：数据、训练与可解释的保留集表现：/work-units/W-C06?version=2026-10-21.workunits.2 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。（partial；workunits/work-unit/W-C06@2026-10-21.workunits.2） - 论文复现交付：贡献到实际实验结果：/work-units/W-C25?version=2026-10-21.workunits.2 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。（partial；workunits/work-unit/W-C25@2026-10-21.workunits.2） 应用范围：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。 AI工作组织：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。 ## 任务级判断与证据 采用方式：分阶段接收 从证据到建议：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。 当前可用性：mixed；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：https://github.com/openai/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：https://mlflow.org/docs/latest/ml/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 ### 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。 依据身份：外部报告结果；状态：active - MLE-bench 原论文：https://arxiv.org/abs/2410.07095v1 定位：Abstract；75 competitions；resource scaling；关系：partial 支持：训练交付有直接研究而非只由编程成绩外推。 限制：历史竞赛样本；本页不采用或迁移其奖牌比例。 核查：2026-10-20；来源状态：active 配置：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。 适用限制：历史竞赛样本；本页不采用或迁移其奖牌比例。 相关进展（本条判断）： - MLE-bench公开训练与实验任务资产：/explore?purpose=understand&domain=computing&window=all#P-C-ML-TRAIN 首次公开 2024-10-09 ### 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。 依据身份：工具与方法依据；状态：active - MLflow Tracking 官方说明：https://mlflow.org/docs/latest/ml/tracking/ 定位：Tracking Runs；Runs/Models；关系：method 支持：提供可追踪实验接口。 限制：记录不证明无泄漏或指标适合业务。 核查：2026-10-20；来源状态：active 适用限制：记录不证明无泄漏或指标适合业务。 ### 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。 依据身份：有条件的编辑推断；状态：active - MLE-bench 官方实现与可比性公告：https://github.com/openai/mle-bench 定位：README：leaderboard update/agents；关系：partial 支持：可运行训练及评分资产是迁移基础。 限制：官方暂停新提交，任何目标任务成功率仍未知。 核查：2026-10-20；来源状态：active 适用限制：官方暂停新提交，任何目标任务成功率仍未知。 ## 情境变化 ### 研究复现与消融 输入变化：目标是论文结果或新方法比较。 判断变化：按贡献与实验接收；理论结论与新颖性另核。 验收变化：对应W-C14的代码/结果/消融及复现差异。 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。 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。 未来改判信号： - 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。 接收/拒收： - 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。 失败处理：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。 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。 应用范围：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。 AI工作组织：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。 ## 任务级判断与证据 采用方式：探索与候选交付 从证据到建议：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。 当前可用性：open-implementation；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：https://arxiv.org/abs/2504.01848v3 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 ### 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。 依据身份：外部报告结果；状态：active - PaperBench v3：https://arxiv.org/abs/2504.01848v3 定位：Abstract；rubrics/judge/baselines；关系：partial 支持：直接研究复现任务证据。 限制：部分评分和LLM裁判均有局限；不代表完整复现成功率。 核查：2026-10-20；来源状态：active 配置：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。 适用限制：部分评分和LLM裁判均有局限；不代表完整复现成功率。 相关进展（本条判断）： - PaperBench把论文复现拆为可检查贡献：/explore?purpose=understand&domain=computing&window=all#P-C-REPRO-RESEARCH 首次公开 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。 ### 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。 依据身份：有条件的编辑推断；状态：active - PaperBench v3：https://arxiv.org/abs/2504.01848v3 定位：rubrics and judge；关系：partial 支持：直接复现评测支持按贡献接收。 限制：裁判和数据分布有限；本目标未试验。 核查：2026-10-20；来源状态：active 适用限制：裁判和数据分布有限；本目标未试验。 ## 情境变化 ### 数值与理论贡献 输入变化：论文同时有经验结果和定理。 判断变化：经验按运行验收，理论另查完整论证。 验收变化：计算输出、统计不确定性与假设/证明分别有证据。 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。 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。 未来改判信号： - 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。 接收/拒收： - 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。 失败处理：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。 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。 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。 验证方法：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 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。 交付物：独立复现、差异解释或反例 判断依据：外部报告结果、有条件的编辑推断 当前变化：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。 - 论文复现交付：贡献到实际实验结果：/work-units/W-C25?version=2026-10-21.workunits.2 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。（partial；workunits/work-unit/W-C25@2026-10-21.workunits.2） 应用范围：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。 AI工作组织：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。 ## 任务级判断与证据 采用方式：探索与候选交付 从证据到建议：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。 当前可用性：open-implementation；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：https://arxiv.org/abs/2504.01848v3 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 ### 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。 依据身份：外部报告结果；状态：active - PaperBench v3：https://arxiv.org/abs/2504.01848v3 定位：Abstract；rubrics/judge/baselines；关系：partial 支持：直接研究复现任务证据。 限制：部分评分和LLM裁判均有局限；不代表完整复现成功率。 核查：2026-10-20；来源状态：active 配置：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。 适用限制：部分评分和LLM裁判均有局限；不代表完整复现成功率。 相关进展（本条判断）： - PaperBench把论文复现拆为可检查贡献：/explore?purpose=understand&domain=computing&window=all#P-C-REPRO-RESEARCH 首次公开 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。 ### 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。 依据身份：有条件的编辑推断；状态：active - PaperBench v3：https://arxiv.org/abs/2504.01848v3 定位：rubrics and judge；关系：partial 支持：直接复现评测支持按贡献接收。 限制：裁判和数据分布有限；本目标未试验。 核查：2026-10-20；来源状态：active 适用限制：裁判和数据分布有限；本目标未试验。 ## 情境变化 ### 从零与复用原代码 输入变化：是否能读取作者仓库，是否需从零实现。 判断变化：必须保留使用条件，不混合两种成绩。 验收变化：依赖/代码来源、同数据指标和公平预算。 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。 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。 未来改判信号： - 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。 接收/拒收： - 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。 失败处理：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。 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。 尚未覆盖：理论结论与环境变化可能不能用原rubric完整覆盖。 验证方法：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 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。 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 判断依据：工具与方法依据、有条件的编辑推断 当前变化：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。 - 研究材料交付：陈述到证据与可复用成果：/work-units/W-C32?version=2026-10-21.workunits.2 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。（partial；workunits/work-unit/W-C32@2026-10-21.workunits.2） 应用范围：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。 AI工作组织：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。 ## 任务级判断与证据 采用方式：分阶段接收 从证据到建议：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。 当前可用性：mixed；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：https://neurips.cc/public/guides/PaperChecklist 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 ### 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。 依据身份：工具与方法依据；状态：active - NeurIPS Paper Checklist：https://neurips.cc/public/guides/PaperChecklist 定位：Claims/Limitations/Reproducibility/Code and Data；关系：method 支持：有公开研究材料检查方法。 限制：作者清单不是AI写作成绩，也不保证录用。 核查：2026-10-20；来源状态：active 适用限制：作者清单不是AI写作成绩，也不保证录用。 ### 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。 依据身份：有条件的编辑推断；状态：active - NeurIPS Paper Checklist：https://neurips.cc/public/guides/PaperChecklist 定位：claim consistency and reproducibility；关系：partial 支持：方法使材料验收可执行。 限制：本成果外部复算尚待实施，传播影响未知。 核查：2026-10-20；来源状态：active 适用限制：本成果外部复算尚待实施，传播影响未知。 ## 情境变化 ### 原创研究传播 输入变化：对象为本研究新算法/模型/理论/系统的已有结果。 判断变化：先核对贡献及证据，材料包不替代新颖性审阅。 验收变化：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 输入变化：代码/数据/硬件存在许可、隐私或私有条件。 判断变化：可交诚实限制/获取接口，不伪装完全开放。 验收变化：可公开最小材料、授权获取、依赖与外部可复算范围。 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。 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。 未来改判信号： - 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。 接收/拒收： - 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。 失败处理：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。 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。 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。 验证方法：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。 ## 与工作关联的进展 ### AlphaEvolve公开算法搜索与部分成果 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。 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。 支持范围：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。 来源状态：active /explore?purpose=understand&domain=computing&window=all#P-C-ALGORITHM ### PaperBench把论文复现拆为可检查贡献 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。 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。 支持范围：贡献分与LLM裁判均有限，不是完整论文复现率。 来源状态：active /explore?purpose=understand&domain=computing&window=all#P-C-REPRO-RESEARCH ### MLE-bench公开训练与实验任务资产 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。 支持范围：离线竞赛与预算特定；模型训练得分不继承为服务/收益。 来源状态：active /explore?purpose=understand&domain=computing&window=all#P-C-ML-TRAIN ## 未来3–5年条件情景 未来 3–5 年（2029–2031） 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：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：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：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。 改判信号： - 独立团队的复现结果 - 预先设定评估下新方法的稳定收益 ## 进入与成长的公开能力证据 本页主要提供工作与作品证据；基础课程、责任级别和中国准入尚未完成专题整理。 完整交付作品证据： - 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。 具体地区、职级和组织要求按目标岗位核对；美国资料不自动作为中国资格要求。 ## 相邻方向及区别 - 机器学习工程：/careers/ml-engineer.md?version=2026-10-21.careers.2 研究优先回答方法是否新且成立；工程优先回答模型能否持续服务。 - 数学研究：/careers/mathematics-researcher.md?version=2026-10-21.careers.2 计算机研究常以计算实验和系统为证据；数学研究以严格命题和证明为核心。 ## 职业名称与分类映射 - O*NET-SOC 15-1221.00 Computer and Information Research Scientists；O*NET-SOC 2019；OnLine Updated 2026；US；exact 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。；定位 Definition / Tasks ## 工作资料与来源 - 算法候选交付：代码搜索、反例与正确性证据：/work-units/W-C14?version=2026-10-21.workunits.2 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。（partial；workunits/work-unit/W-C14@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：/work-units/W-C06?version=2026-10-21.workunits.2 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。（partial；workunits/work-unit/W-C06@2026-10-21.workunits.2） - 论文复现交付：贡献到实际实验结果：/work-units/W-C25?version=2026-10-21.workunits.2 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。（partial；workunits/work-unit/W-C25@2026-10-21.workunits.2） - 研究材料交付：陈述到证据与可复用成果：/work-units/W-C32?version=2026-10-21.workunits.2 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。（partial；workunits/work-unit/W-C32@2026-10-21.workunits.2） - Computer and Information Research Scientists：https://www.onetonline.org/link/summary/15-1221.00 O*NET / 美国劳工部职业信息网络；US；O*NET OnLine / Updated 2026 / 2026-10-20访问快照；核查 2026-10-20；状态 active 定位：职业定义、Tasks、Work Activities；不采用薪酬和学历比例 范围：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 限制：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。 ## 用于自己的问题 个人适配、具体岗位判断与计划由用户自己的 Agent 结合已有材料处理。复用已知上下文，仅追问影响结论的缺口；目录不是全部选项。阅读或比较公开工作本身无需档案、固定二选一、保存记录或行动计划。