AI Talent Network

查看人才库 → Shortlist

01 · 人才库

先看学校与职位，再看项目分层

学校与职位只有获得任职来源支持后才填入；未确认的写“待核实”。L1–L4 是本项目的研究筛选分层，不是学校职称。点击姓名查看来源、核验日期、历史关联和分层依据。

我们的分层（初分）点击筛选
学科来源点击筛选

02 · Shortlist

研究候选清单，按项目分层分组

按亚洲、北美、欧洲分组，每个大洲取综合分最高的 10 人，只从核对没有发现问题的学者中选。入选不代表现职已确认或适合招聘；学校、职位与项目标签分开显示。在人才库或这里点 ☆ 增删，改动只保存在当前浏览器。

03 · 方法与进度

从论文出发找人，再用官网和主页核实

    我们的分层定义（非学校职称）
    分层口径人数

    以下是项目内部的初筛规则，结合奖项、OpenAlex 指标和人工指定；不是官方职称、学界统一排名或招聘结论。L4 只表示未达到前三层条件，不能据此推断年龄、资历或“新锐”。每人的分层依据在详情中展示。

    AI×金融相关性 = 55% 交叉论文证据（金融论文计 1、一般经济论文计 0.7、博弈论/投票等计 0.35；非 AI 的交叉论文再乘 0.4）+ 25% 研究主题中金融的占比 + 20% AI 强度。综合分 = 0.6 × 相关性 + 0.4 × 分层分（L1 100、L2 85、L3 60、L4 35）。

    工作量估算

    机器抓取只占小头，主要工作量在身份核验和人工复核。60 所约需 900 次接口调用，超过匿名额度（1000 次/天）时需要申请免费 API key。

    各校抓取实测
    学校区域交叉论文候选作者入库耗时接口调用
    历史归属与身份备注

      这里保留初版“已调离／非本校”等备注用于追溯，它们相对于检索关联学校，不能代替当前任职信息。旧记录中的“未单独检索”不计为已核实；学校或职位缺乏证据时仍显示待核实。本轮新来源优先于旧备注。

      已知局限
      • OpenAlex 的作者消歧偶有错误，个别人的单位或指标可能有误。每个人都附了 OpenAlex 链接，可以核对。
      • “检索关联学校”来自论文署名和 OpenAlex 最近关联机构，可能包含历史任职、访问、兼职或关联校区。它与当前主聘学校分开保存；当前学校与职位须查任职来源。
      • h 指数和被引跨学科不可直接比较：计算机偏高，经济金融偏低。扩校后分层阈值会按学科校准。
      • 只看 2018 年以来的论文，更早开始做交叉研究、近年转向的学者分数可能偏低。
      • OpenAlex 对中文期刊（如《经济研究》《管理世界》）覆盖有限，内地高校主要发中文期刊的学者会被漏掉，内地学校入库人数因此偏少。扩校时用官网教师名录补全。
      • 同名学者偶尔被 OpenAlex 合并成一个档案（标“指标待核”），或一人被拆成多个档案（已按姓名和研究主题合并，详情里保留重复档案链接）。