【关于这个岗位】 Cookiy AI 基于真实人类数据训练 AI 系统，用以模拟个体行为、建模人群，并预测人们如何思考、决策与反应（方向对标 AARU、Simile、Listen Labs、Kaishi）。这是一个偏研究的岗位，位于大语言模型、计算社会科学与概率建模的交叉点。需要说明：我们做的是预测模型（predictive model），而不是 world model。 【岗位职责】 1. 基于真实人类访谈/问卷数据，构建并评估“虚拟人/合成受访者”模型，使其在群体层面复刻真实人类的态度与选择分布； 2. 研发面向态度、决策与人群结果的预测模型，并对预测进行不确定性量化与校准； 3. 设计严谨的验证与 benchmark，判断模型在何处可靠、何处失效及其原因； 4. 跟踪并复现前沿论文（见下），把先进方法迁移进我们的数据与场景； 5. 参与大规模访谈/问卷的设计，持续扩充我们独有的真实人类数据资产。 【任职要求】 1. 在读博士优先，硕士亦可；计算机/机器学习/NLP、计算社会科学、统计/计量经济、定量心理/认知科学等理工与量化方向； 2. 扎实的 Python 工程能力（PyTorch/numpy/pandas）与概率统计基础（贝叶斯/因果推断加分）； 3. 能独立读懂并复现前沿 ML 与计算社会科学论文；本身研究方向与下列论文相关者优先； 4. 加分：LLM、agent-based modeling、调查/实验方法、预测/forecasting 经验；有一作论文、preprint 或公开项目。 【我们的独特优势】 已积累大量真实人类访谈数据，并可进一步开展大规模访谈与问卷，形成独有（exclusive）的数据资产。期待候选人能把其他论文中的先进实践带进来，或本身就在研究这个方向。 【相关论文 / 研究边界】 虚拟人与虚拟社会： · Park et al. 2023, Generative Agents: Interactive Simulacra of Human Behavior · Park et al. 2024, Generative Agent Simulations of 1,000 People（基于 2 小时深度访谈复刻真实个体，对应 Simile 路线） · Argyle et al. 2023, Out of One, Many: Using Language Models to Simulate Human Samples · Horton 2023, Large Language Models as Simulated Economic Agents 预测（对标 Polymarket / Kalshi 等预测市场关注点，仍为预测模型而非 world model）： · Halawi et al. 2024, Approaching Human-Level Forecasting with Language Models · Schoenegger et al. 2024, Wisdom of the Silicon Crowd: LLM Ensemble Prediction Rivals Human Crowd Accuracy 【待遇】博士 800 元/天，硕士 600 元/天, 特别匹配的可面议； 【转正】如果表现突出，则3个月后可以直接转正。