校招-端到端智能辅助驾驶大模型-后训练方向

1、负责强化学习算法的研究与开发，包括但不限于PPO、DPO、GRPO、DAPO等算法； 2、构建仿真环境，设计奖励机制，训练并调优智能体策略； 3、与产品和工程团队紧密合作，将RL算法落地到实际业务场景； 4、跟踪学术界和工业界最新RL研究进展，持续优化模型性能与训练效率； 5、撰写技术文档，参与代码评审，推动团队技术能力提升。 【任职要求】 1、计算机、人工智能、自动化、数学等相关专业硕士及以上学历； 2、扎实的强化学习理论基础，熟悉MDP、Bellman方程、策略梯度、值函数逼近等核心概念； 3、熟练掌握Python，熟悉PyTorch/TensorFlow等深度学习框架，具备独立实现RL算法的能力； 4、有强化学习项目经验（如游戏AI、推荐系统、机器人控制、仿真环境训练等）者优先； 5、具备良好的问题分析能力、团队协作能力和技术沟通能力。