【L4】强化学习算法研究员（Robotaxi）

岗位职责：

1.负责自动驾驶一段式端到端模型及 VLA 模型的研发与量产落地，包括监督微调（SFT）、强化学习微调及训练流程优化。

2.研究与优化强化学习算法、对PPO/GRPO/DAPO/GDPO等Policy Optimization类能够掌握，对RL里面奖励设计和数据采样策略，数据探索，在线/离线强化学习，能够帮助模型突破模仿学习的性能上限。

3.面向实车驾驶问题，能够清晰的有自己的问题分析框架和问题解决能力，建立从问题分析、数据回流、模型训练到实车验证的迭代闭环，持续提升安全性、通行效率与舒适性。

4.鼓励探索强化学习与世界模型结合的自闭环训练范式，推进场景生成、效率优化、交互推演、策略优化与评测验证。

5.鼓励对前沿算法的研究尝试探索，包括但不限于OPD等算法有探索能力。

岗位要求：

1.具备扎实的深度学习与强化学习基础，熟悉主流Policy Optimization方法，能够独立完成算法实现、实验分析与优化。

2.具备端到端自动驾驶模型，或 VLM/VLA 大模型的 SFT、强化学习微调研究与开发经验者优先。

3.具备对自动驾驶实车能力及典型交互场景，包括跟车启停、切入避让、变道及路口通行等，能够结合安全性、效率、舒适性与交规约束分析模型行为。

4.具备从实车问题中提炼训练目标、奖励信号与评测指标的能力；有实车问题闭环、仿真评测或量产落地经验者优先。

5.能够从最新的论文中持续进行学习和组内分享。

6.优先再CCF A/B类顶刊上投稿并录取者优先。