郝治伟其实对自己的职业发展早有规划，研二期间就有了考公务员的想法。
最近几天，浙江理工大学的郝治伟成为了学术圈热议的焦点。作为一名硕士生，没有名校出身的他却能以第一作者的身份在国际顶尖学术期刊《Nature》上发文，成为了该校史上第一人。对于科研人员来说，这是一个很多人梦寐以求的起点，然而他却选择了回老家考公务员。据他的导师说，郝治伟本人开始前天已经正式去单位上班了。新晋 Nature 一作没有选择学术界，也没有选择工业界，这样的经历着实出乎人们的预料。对于郝治伟去当公务员，在社交平台上人们纷纷发表了看法。有的同学表示难以理解，毕竟一篇 Nature 对于学界的分量不言而喻，在很多地方都可以直升副教授甚至教授了，「一颗冉冉升起的学术新星没有去读博深造非常可惜。」也有人表示他其实做出了正确的选择，宇宙的尽头是公务员，「进编制成为公务员可比进学术圈香多了。」昨天，郝治伟和他的导师接受了澎湃新闻的采访。其实对于未来的选择他早有想法。郝治伟的导师左彪表示，郝治伟其实对自己的职业发展早有规划，读研期间就曾向他透露过考公务员的想法。「去年年底第一轮专家审稿意见返回，当时就对这篇论文有很好的预期。事实上这篇《Nature》文章今年 4 月份就已被预接收，但那时郝治伟还是很坚定地选择参加公务员考试。」郝治伟考公务员的准备大概要从去年 10 月算起，他表示：「去年 9 月我硕士毕业，对自己的未来也不是很确定。当时有一年的空窗期，我需要找一份工作，于是便选择了考公务员这条路。」他曾经报考过江苏徐州生态环境局的岗位，但当时排第二名，最终未被录取。今年 7 月，他又报名参加了安徽省考，考上了现在的岗位。「当时的竞争也是很激烈的，报录比超过了 60：1。最终和我同批录取到经开区的还有其他五个考生，我是唯一的研究生。」郝治伟说道。目前郝治伟已入职安徽省宿州市经济技术开发区管委会，8 月 23 日正好是他正式上班的第一天。学术的光环也引来了单位领导和同事们的关注：「刚上班大家都跑来问，搞得我很不好意思。毕竟这篇论文不能算我一个人的成绩，还是要感谢导师的指导。」虽然选择了公务员之路，但他不会放弃所学专业：「其实我报考的这个岗位就是负责经开区的化工和生物医药产业的管理工作。因此之前的学校和科研经历并不会浪费，反而会在工作中更好地帮助我。」既能中 Nature，又能当公务员，想必郝治伟有着超强的能力：毕竟一定程度上做研究和行测得高分是互斥关系。我们应该相信，他在明确努力方向之后的人生还将取得更大的成就。郝治伟本科就读于浙江大学宁波理工学院，专业是化学工程与工艺。2017-2020 年，他在浙江理工大学化学系攻读硕士学位，期间致力于聚合物表面分子动力学的研究，师从浙江理工大学理学院副教授左彪。今年 8 月 18 日，《Nature》正刊发表了浙江理工大学硕士生郝治伟为第一作者、左彪作为通讯作者的一篇学术论文。浙江理工大学的王新平，美国普林斯顿大学的 Rodney Priestley，美国南佛罗里达大学的 David Simmons 和日本九州大学的田中敬二是这篇论文的合作者。据介绍，该研究是表面高分子链微观动力学机制上取得的重要研究成果。表面是材料的边界，是与邻相间的过渡区域。表面分子受到来自材料内部和邻近相分子的相互作用，处于不对称的环境中，具有显著区别于内部分子的热力学状态和动力学行为。界面分子行为不易测量、难以预测，是化学、物理和材料领域的研究难点。长期以来，由于表征的困难，对固体高分子表面分子松弛与扩散的研究一直面临重大挑战，未获突破性进展。浙江理工大学的高分子表界面研究团队发展了一种聚合物表面纳米蠕变测量方法，实现了聚合物表面多尺度分子运动的表征，从而促进了界面高分子动态过程的研究和相关新机理的发展。利用这一方法，结合模拟和理论，作者研究了玻璃态高分子表面分子运动行为，发现了控制表面高分子链扩散的「伪缠结」机制和表面「瞬时橡胶态」高分子物理新现象。新的发现加深了人们对于材料磨损、摩擦、粘结、自愈合等界面现象本质的理解，为高分子材料加工、成型和性能控制提供了新思路。https://doi.org/10.1038/s41586-021-03733-7http://news.zstu.edu.cn/info/1033/42316.htmhttps://www.thepaper.cn/newsDetail_forward_14187237NVIDIA对话式AI开发工具NeMo实战分享
开源工具包 NeMo 是一个集成自动语音识别（ASR）、自然语言处理（NLP）和语音合成（TTS）的对话式 AI 工具包，便于开发者开箱即用，仅用几行代码便可以方便快速的完成对话式 AI 场景中的相关任务。
8月26日20:00-21:00，系列分享第2期：使用NeMo快速构建智能问答系统。
智能问答系统简介
智能问答系统的工作流程和原理
构建适合于NeMo的中文问答数据集
在NeMo中训练中文问答系统模型
使用模型进行推理完成中文智能问答的任务
