智能辅助驾驶强化学习算法工程师

负责智能辅助驾驶端到端模型的强化学习训练框架设计与优化，包括但不限于 PPO、GRPO、DPO、Offline RL、RLHF 等技术路线。 负责智能辅助驾驶训练数据体系建设，包括数据版本管理、数据质量评估、场景覆盖分析、长尾场景挖掘和数据迭代策略设计。 负责智能辅助驾驶奖励模型（Reward Model）和评测体系建设，设计兼顾安全性、舒适性、效率和规则遵守的奖励函数体系。 负责智能辅助驾驶模型训练闭环建设，包括数据挖掘、数据生产、训练、评测、回灌和迭代优化。 负责大规模分布式训练任务开发与优化，提升训练效率、资源利用率和模型收敛效果。 探索 Diffusion、Autoregressive、World Model、RL 等前沿技术在智能辅助驾驶中的应用，并推动落地。 跟踪学术界和工业界最新进展，推动先进算法在业务中的快速验证和落地。 【任职要求】 计算机、人工智能、自动化、机器人等相关专业硕士及以上学历。 扎实的机器学习和深度学习基础，熟悉 Transformer、Diffusion、LLM 等主流模型架构。 熟悉强化学习基础理论，包括：MDP、Policy Gradient、Actor-Critic、Offline RL 熟悉智能辅助驾驶训练链路，包括： 数据构建 数据清洗 数据版本管理 模型训练 模型评测 闭环迭代 具备良好的工程能力，能够独立完成算法设计、实验验证和线上部署。 加分项 有端到端（E2E Driving）经验。 有 Planning、Behavior、Trajectory Prediction 或 Closed-loop Simulation 经验。 有 CARLA、闭环仿真或真实车辆部署经验。