强化学习实习生（认知计算团队）

单位：蔚来类型：社招地点：上海、北京更新：2026-09-24

岗位信息

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；

构建仿真环境，设计奖励机制，训练并调优智能体策略；

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；

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；

撰写技术文档，参与代码评审，推动团队技术能力提升。

计算机、人工智能、自动化、数学等相关专业硕士及以上学历；

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；

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；

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；

具备良好的问题分析能力、团队协作能力和技术沟通能力。

加分项：

在NeurIPS、ICML、ICLR、AAAI等顶会发表过RL相关论文；

提示：投递请认准招聘单位官方招聘官网，谨防中介收费。