科学问题导向
能够区分重要问题与表面新颖，愿意从数据生成过程、实验语境和真实使用者需求理解任务。
在交叉边界工作，仍然保持专业深度
跨学科表达
能清楚说明自己的假设和限制，也愿意花时间理解不同领域的证据标准与工作节奏。
验证与诚实
重视对照、复现、外部检验与失败分析，不把相关性当作机制，也不回避结果的适用边界。
研究工程质量
把清晰代码、数据治理、文档、版本与可维护性视为科学质量的一部分，而不是研究之后的附属工作。
JOIN AI4SC
加入
我们
建设 AI × 单细胞科学，需要既能深入本专业、也愿意理解其他研究语言的人。AI4SC 重视长期问题、严谨验证、工程质量与彼此成就的协作方式。
未来可能的参与路径
以下内容用于说明 AI4SC 的人才与合作构想，不构成正在开放的招聘岗位；具体身份、名额、条件与申请流程以正式公告为准。
研究人员
围绕长期研究议程形成独立方向，并与实验、计算和工程团队共同建立完整证据链。
博士后与青年研究者
在明确的科学问题和跨学科指导中发展方法、数据与实验协同能力。
研究工程与平台建设
建设数据系统、模型基础设施、分析工具和高可靠科研软件，让方法真正可用、可复现、可维护。
访问与联合研究
围绕互补数据、方法或验证能力建立阶段性或长期合作，并对目标、贡献与发布方式形成共识。
具体岗位、申请条件、合作流程和联系渠道将在核验后发布。在此之前，本页面不收集个人简历或敏感信息。
认真做难而重要的事
我们希望形成一种能够长期思考、坦诚讨论、快速验证并持续沉淀的研究文化。
这意味着尊重事实胜过维护观点，尊重贡献胜过强调边界，尊重可复现的长期价值胜过短期展示。真正的交叉合作并不要求每个人掌握所有领域，而要求团队能够共同识别未知、分配专业判断，并对最终结论负责。
RETURN / 01认识 AI4SC
→