今天，我们开放 Anthropic Residency 的申请。这是一个带薪、固定期限的研究项目，驻留时长从六周到六个月不等。
我们正在寻找在多个技术领域领导过有雄心的工作、并希望转向全职工作、专注于让 AI 系统对全人类安全且有益的人。如果你是定量学科的教授、技术创始人或 staff 级工程师，并希望转向从事变革性 AI 的工作，我们期待收到你的申请。不要求具备机器学习背景。
本轮申请将于 2026 年 11 月 22 日截止。申请请点击 此处（美国） 或 此处（英国）.
我们为何开放本轮申请
机器学习是一个年轻的领域。当今许多资深研究者，包括 Anthropic 的许多研究者，最初都是物理学家、数学家、神经科学家或软件工程师。随着模型能力提升，AI 研究中最重要的越来越是提出研究议程并判断什么值得做的能力。定量领域的资深人士往往已经擅长这些技能；Residency 帮助他们建立对前沿 AI 的理解，以便在这一新领域运用这些技能。
本轮建立在 Anthropic Fellows Program的基础之上，该项目已证明新研究者能多快地为本领域做出贡献。往届 fellows 已产出关于 阈下学习、 Petri 审计工具和 人格向量的工作。本轮将这一模式调整为面向资深技术领导者。
本轮预期内容
- 研究关键研究问题：Residents 将研究由 Anthropic 研究者提出的问题，并与 Resident 的兴趣和背景相匹配。
- 来自顶尖研究者的指导：每位 Resident 将与一位 Anthropic 导师配对，并定期获得一对一指导。
- 转向该领域的支持：我们不期望 Residents 到来时就是 ML 专家。Residency 包含专门的自学时间、讲座和指导，帮助他们尽快掌握现代 ML 和 AI 安全研究。
- 算力资源：Residents 将使用前沿模型，并为其项目拥有专门的算力预算。
- 灵活的时间安排：驻留期为六周、三个月或六个月，我们会在你申请时询问你偏好的时长。我们将力求安排灵活的起始日期。
- 地点：我们倾向于 Residents 在我们旧金山的办公室工作，但也可以远程参与，尤其是较短的驻留。Anthropic 的大多数全职研究岗位要求搬迁至旧金山。
- 体现资历的薪酬：Residents 的薪酬为每年 35 万至 50 万美元的等效金额。
到 Residency 结束时，我们的目标是让每位 Resident 都具备继续全职从事 AI 研究工作的条件，无论是在 Anthropic 还是其他地方。
导师与研究领域
潜在的 Anthropic 导师包括：
- Sara Price：领导对齐训练团队；数据科学背景
- Ethan Perez：领导对齐科学团队；机器学习背景
- Evan Hubinger：领导对齐压力测试团队；此前任职于机器智能研究所（MIRI）
- Samuel Marks：领导可扩展监督团队；数学背景
- Elana Simon：研究语言模型和生物模型的可解释性；生物医学信息学背景
- Belinda Li：研究语言模型如何表征世界、用户和自身；自然语言处理背景（麻省理工学院博士）
- Jack Lindsey：领导模型心理学团队；理论神经科学背景
- Nicholas Carlini：研究对抗性机器学习和 AI 安全；此前任职于 DeepMind 和 Google Brain
- Jascha Sohl-Dickstein：工作于安全与预训练的交汇处；物理学和神经科学背景，曾任 Google Brain 首席科学家
Residents 将与 Anthropic 的研究团队合作，研究实证研究问题。我们尤其感兴趣的领域包括：
AI 安全与对齐
- 可扩展监督：开发技术，使高能力模型在多个领域超越人类水平智能时仍保持有用和诚实。[1]
- 对抗鲁棒性与 AI 控制：创建方法，确保先进 AI 系统在陌生或对抗性场景中保持安全无害。[2]
- 模型生物：创建 失准模型生物 ，以增进我们对对齐失败可能如何产生的实证理解。[3]
- 模型内部与可解释性：推进我们对大型语言模型内部运作的理解，以实现更有针对性的干预和安全措施。[4]
- 保障研究：开发针对对抗性攻击的稳健防御、全面的模型安全评估框架，以及在部署前检测和缓解潜在风险的自动化系统。[5]
- AI 福祉：增进我们对潜在 AI 福祉的理解，并开发相关评估和缓解措施。[6]
AI 安全与前沿红队测试
- 对前沿模型进行压力测试，以了解其在网络安全、机器人或密码学等领域当前能力的全貌。[7]
ML 系统与强化学习
- 改进前沿模型的训练方式，并构建该研究背后的基础设施，从模型架构、优化器和训练数据，到加速器模拟器、硬件后端和 RL 环境流水线。
如需更全面地了解我们关心的问题，请参阅我们的 技术 AI 安全研究方向建议 以及我们 对齐, 可解释性和 前沿红队 团队的近期出版物。
我们正在寻找这样的人
- 在技术领域领导过有雄心的工作（定量学科的教授、技术创始人或 staff 级工程师）
- 以推动 AI 安全且有益于整个社会为动力
- 对全职转向实证 AI 研究感到兴奋
- 能在快节奏、协作的环境中如鱼得水
- 能快速落实想法并清晰沟通
你不需要博士学位、过往的机器学习经验或已发表的论文。
如何申请
如需被纳入本轮考虑，请通过 美国 或 英国 的职位发布在 2026 年 11 月 22 日前提交申请。
我们重视为 AI 研究带来独特视角和经历的候选人。我们尤其鼓励科技领域代表性不足群体的申请。申请人也可能被考虑纳入 Anthropic Fellows Program.
过往研究链接
Anthropic Fellows Program 的代表性研究：
[1] 自动化弱到强研究员, 通过弱监督训练消除 LLM 中的消极怠工
[2] SHADE-Arena：评估 LLM 智能体中的破坏与监控, SLEIGHT-Bench：发现 AI 监控器中的盲点
[3] AuditBench：评估针对具有隐藏行为模型的对齐审计技术, 潜意识学习：语言模型通过数据中的隐藏信号传递行为特征
[4] 自然语言自编码器对 LLM 激活产生无监督解释, 内省意识的机制
[5] 毒化宪法分类器的微调数据集, 用审计智能体检测对抗性微调