我们正在寻找对语言、认知和智能系统充满热情，兼具研究、开发能力与语言学专业知识的复合型人才。该岗位将专注于以认知语言学理论为基础，开发结构化语言模型方法和工具，推动自然语言处理技术与语言研究的深度融合，实现更可解释、更灵活、更能感知意义的自然语言理解和生成。本职位适合有志于在语言学理论、计算建模和智能语言应用交叉领域施展才华的候选者。

• 工作地点：远程 / 现场办公（杭州/天津）

• 工作类型：全职

• 所属部门：人工智能研究部

• 薪资：根据能力和岗位匹配程度面议

1.研发基于认知语义学、框架语义学等结构化语言学理论的 NLP 模型，设计超越标准深度学习的结构化 / 混合语言模型（如 FrameNet、AMR 引导模型）。

2.开发语言管理与理解解决方案，实现智能系统认知、知识管理与语言功能的高效集成，构建多层级意义处理的胶囊语义方法论。

3.整合语言知识到语义解析、对话系统等场景，参与生成自然语言、知识管理与认知管理的集成方案。

4.开发适用于 COIOS 系统的情境依赖型 LLM 技术，管理知识的文化与科学依赖性，同时研发语音处理、智能界面相关工具集。

5.与语言学家、认知科学家等跨学科团队合作，将理论转化为计算框架，发表成果并紧跟领域前沿。

1.语言学（主修计算语言学或认知语言学）、计算语言学、人工智能等相关领域硕士

2.熟悉认知语言学框架（如框架语义学、概念隐喻理论），具备基础 NLP 技术知识（如转换器、语义图建模）

3.具备创造性思维与科学探索精神，拥有扎实的数学基础，熟练掌握 Python 及常用 NLP 工具（spaCy、HuggingFace等）

4.具备优秀沟通能力，愿意在团队协作中推进工作

1.具有 FrameNet、AMR 等结构化语言数据集使用经验，熟悉知识表示、符号推理或神经符号人工智能

2.有认知语言学或计算语言学背景，在计算语义学、认知语言学领域有发表或研究记录

3.具备语言学博士学位（研究方向为认知语言学或计算语言学），或有情境依赖型语言模型、胶囊语义方法论开发经验

1.连接语言、认知与 AI 的跨学科协作环境，参与塑造下一代可解释、有理论基础的 NLP 系统

2.灵活的工作条件，有机会担任研究领导角色，享受有竞争力的薪酬、福利及学术出版与会议支持

申请方式

1.中英文个人简历

2.中英文1-2 页研究兴趣简介（如有，阐述对语言与 NLP 交叉领域的探索方向）

3.出版物、demo 链接或相关项目成果（如有，体现研究或开发能力）