强化学习算法专家
1、负责公司强化学习整体技术路线规划、算法框架设计及持续迭代优化； 2、主导Online RL、Offline RL、Imitation Learning、Human-in-the-loop RL、Model-based RL研发； 3、负责奖励函数设计、课程学习、探索策略、策略优化； 4、建立大规模并行训练系统，优化Sim-to-Real Gap； 5、与VLA/世界模型团队共同设计RL融合方案等。
1、硕士及以上学历（博士优先），RL/控制/机器人方向； 2、精通PPO/SAC/DDPG/TD3等连续控制算法； 3、熟练使用MuJoCo/Isaac Gym/Isaac Sim； 4、具备机器人真机部署经验（双足行走/灵巧操作/双臂协同）； 5、CoRL/RSS/ICRA/IROS论文优先等。
-
智能驾驶强化学习算法专家（规控）
1天前
北京市、上海市, 中国 北京地平线信息技术有限公司 全职工作职责职位描述： 探索下一代端到端自动驾驶系统的强化学习训练范式，构建高效稳定的大规模强化学习闭环训练框架，提升强化学习的数据效率、训练效率、稳定性、场景泛化性，验证scalling law，推动强化学习算法在物理世界的落地应用。 任职要求职位要求 1.
-
强化学习运控算法工程师
8小时前
长沙市、上海市, 中国 中科云谷 全职工作职责1、负责主流的用于机器人上肢、双足、四足的强化学习、模仿学习运动控制算法开发、仿真验证与实机部署验证； 2、负责设计基于强化学习的机器人控制程序框架，并能结合具体工作场景针对性地改良任务完成率和机器人灵活度，产生实际落地应用效果； 3、负...
-
强化学习算法工程师(J10796)
8小时前
浙江省-杭州市, 中国 杰克缝纫机股份有限公司 全职工作职责：
-
北京市-海淀区, 中国 智能平台开发中心 全职工作职责1. 充分利用trigger的good/bad数据，重建真值，设计完善回流数据pipeline，改善onboard 长尾场景的体验 2. 基于环境模型(vector, neural)，进行模型finetune 3. 设计优化训练rollout engine，改善训练效率 4. 设计开发 offline RL, constrained RL, preference learning (RLHF-style), DPO-style
-
算法工程师（大模型微调 / 强化学习）
8小时前
广州市, 中国 信息技术部 全职工作职责1. 负责大模型后训练核心工作，参与核心算法研究与重难点技术攻关，主导金融垂域投研、投资、投顾、风控等场景大模型训练优化； 2. 负责跟进业界文本 /
-
仿真深度学习算法专家
8小时前
北京市、上海市, 中国 北京地平线信息技术有限公司 全职工作职责岗位介绍 我们正在建设面向下一代自动驾驶研发的 AI
-
北京市、上海市, 中国 北京地平线信息技术有限公司 全职工作职责探索自动驾驶多模态大模型的基础模型架构和训练范式，深度参与模型版本迭代，基于数据闭环提升VLM的时空理解能力，基于3DGS/世界模型等技术构建大规模强化学习闭环训练框架，提升数据效率、训练效率、稳定性、场景泛化性，推动VLM和强化学习在物理世界的...
-
量化算法专家36829
8小时前
北京市-大兴区, 中国 智能平台开发中心 全职工作职责1.理解复杂的业务挑战，参与语言、视觉及多模态算法模型的训练和推理优化; 2.负责车端侧大模型的训练、部署、优化工作 2.研究当前业界领先的模型训练和推理加速方法(5D Parallelism, Attention加速,KV Cache,
-
算法专家
8小时前
苏州市, 中国 上海铭沣科技股份有限公司 全职工作职责1、负责二光、三光AI算法平台的搭建、迭代与优化，搭建高效可复用的算法体系，支撑工业检测业务落地。 2、负责深度学习AOI缺陷检测算法研发与落地，针对芯片缺陷、脏污、破损等场景完成算法建模调优，保障检测指标达标量产。 3、搭建工业缺陷样本数据库...
-
机器学习算法工程师
8小时前
上海市, 中国 春秋航空股份有限公司 全职工作职责1.参与公司的核心项目，利用机器学习、深度学习技术解决实际业务中的挑战。 2.以落地优先，开展机器学习、深度学习模型的设计、实现、优化、部署的全链路工作，包括但不限于：回归/分类预测、时间序列预测、异常识别、图像识别等方向。 3.对最新的深度学...
