2027校招-强化学习算法工程师（规控方向）

工作职责：

1、推进模仿学习 + 强化学习等组合方案的落地，完成模型训练、离线评测，并与仿真闭环、路测结果对齐分析。

2、参与数据闭环建设：日志采集与清洗、场景挖掘、标注 / 回放，支撑模型迭代与问题复现。

3、建设并维护「训练—评测—回流」流水线，完成实验配置、指标统计、bad case 归档与阶段性复盘。

4、跟踪强化学习与自动驾驶领域前沿，推动有价值方法的预研与工程转化。

任职要求

1、计算机、自动化、机器人、人工智能、数学等相关专业。

2、扎实掌握强化学习基础理论（PPO\GRPO\Actor-Critic），能独立完成算法实现与实验分析。

3、在以下方向中至少一项有较深入实践：

（1）在线或者离线强化学习

（2）Reward Function 设计，Reward Model 训练

（3）自动驾驶强化学习仿真闭环设计与应用

（4）强化学习后训练

4、熟练使用 Python 及 PyTorch，熟悉 Linux 与 Git；具备将算法原型工程化的能力，了解 C++ 者优先。

5、数学基础扎实（概率统计、优化、线性代数），逻辑清晰，具备良好的实验记录与技术文档习惯。

优先考虑

1、有强化学习相关高水平项目、论文复现或一作 / 共一论文；

2、有自动驾驶决策、规划、轨迹预测相关实习、竞赛或开源经验；

3、熟悉闭环仿真评测、分布式训练或大规模日志数据挖掘；

4、有 ACM / 数学建模 / 机器人相关竞赛获奖经历。