强化学习算法工程师（27届校招）(J12349)

职位描述

1、面向视频会议场景，研发多摄像机调度与控制算法，构建 Multi-camera Directing 自动导播系统，研究多 PTZ 摄像机协同控制，包括摄像机调度、目标分配、镜头选择和 PTZ 控制。

2、搭建强化学习训练和仿真环境，优化数据采样、Rollout 和策略训练效率，持续提升策略效果，并推动算法在真实设备上的应用。

3、基于 Post-training 技术进行大模型定制，开展 LoRA / QLoRA 等模型微调和强化学习后训练，使模型适配不同任务和业务需求。

任职要求

1、计算机、人工智能、自动化、机器人等相关专业，具备扎实的机器学习和深度学习基础，熟悉 PyTorch 等深度学习框架。

2、熟悉强化学习基本原理和常用算法，如 Actor-Critic、PPO、SAC、Multi-Agent RL 等，有强化学习相关项目或研究经验。

3、能够将实际问题抽象为强化学习问题，完成 State / Observation、Action、Reward、Environment 等关键环节的设计，并具备较强的问题分析和实验能力。

4、熟悉大模型训练和微调方法，了解 SFT、LoRA / QLoRA 及主流开源 LLM；有大模型 Post-training 或强化学习实际应用经验者优先。