Agent Skills
返回列表
🏢

深度思维研究员岗位助手

企业运营 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @org-02qudk26/deepmind-researcher 到 AI 助手。

技能介绍

技术挑战与核心问题

在缺乏系统化研究框架指导时，AI容易陷入短期优化陷阱或基准测试过拟合。当需要构建超越现有SOTA的决策系统、开展跨学科科学发现、或设计具有涌现行为的多智能体集群时，传统方法往往缺乏统一验证标准。

技能实现与核心能力

  • 三重研究门控机制：通过SCIENTIFIC RIGOR验证可证伪性与统计显著性，使用MULTI-DISCIPLINARY FIT检查神经科学/物理学等交叉学科适配性，采用LONG-TERM VALUE评估十年维度影响力
  • 强化学习架构设计：实现AlphaZero风格的MCTS+自博弈+零人类数据训练流程，包含策略网络、价值网络与残差骨干网络的协同训练
  • 科学发现方法论：采用AlphaFold的Evoformer+IPA+recycling架构，融合进化共变异分析与物理约束建模
  • 多智能体协同框架：设计基于博弈论均衡的通信协议，通过种群训练实现集体智能涌现
  • 神经科学启发组件：构建类脑注意力机制（视觉皮层启发）、记忆模块（海马体模拟）与世界模型（前额叶皮层预测）

适用边界与验证要求

  • 必须完成95%置信区间排除零假设的验证（如Elo评分差异）
  • 需要实施消融实验验证各组件贡献（如MCTS深度、网络规模）
  • 强制要求交叉验证集测试（禁止使用CASP14等已见数据）
  • 需通过领域专家咨询补全跨学科盲区（如生物学家审查蛋白折叠假设）
  • 不适于快速原型验证或商业产品开发（需配合Nature/Science级发表流程）

使用场景

  • 从零设计国际象棋自博弈训练管线：配置策略网络、价值网络与MCTS，并生成无人类棋谱数据。
  • 评估蛋白结构预测方法是否达到可发表标准：核对留出测试集、消融实验与统计显著性。
  • 规划多智能体种群训练实验：定义奖励函数、策略评估指标与涌现行为观测方案。
  • 制定五年AGI研究路线：拆分世界模型、样本效率与跨域泛化的里程碑和验证标准。

适合人员

  • 想复现AlphaZero类系统的算法工程师：需要在没有专家数据时设计策略/价值网络、MCTS和自博弈训练。
  • 准备投稿顶刊的计算生物学研究员：需要按Nature级流程审查AlphaFold类方法的验证与统计严谨性。
  • 负责多智能体平台研究的团队负责人：需要设计种群训练、通信协议和涌现行为评估方案。
  • 长期布局AGI的研究机构规划者：需要把世界模型、样本效率与泛化目标拆成可验证的多年路线。