【崗位職責】
1、算法創新與理論突破-設計面向復雜動態環境的強化學習算法，解決樣本效率低、探索-利用權衡、稀疏獎勵多目標優化等關鍵問題。探索基于模型（Model-based RL）、分層強化學習（HRL）、元強化學習逆強化學習（IRL）等前沿方（Meta-RL）、向的技術融合與改進。
2、結合大模型技術，研發語言驅動強化學習（Language-guided RL）、世界模型（World Models）等跨模態決策框架。大規模強化學習系統構建-構建分布式強化學習訓練框架，優化并行采樣、離線強化學習（Offline RL）與在線學習的混合訓練機制。開發高效仿真環境與智能體交互接口，支持高保真物理模擬、多智能體協同訓練及超長序列決策任務。
3、了解自適應獎勵函數與課程學習（Curriculum Learning）策略，加速智能體在復雜場景中的能力進化。
4、前沿探索與跨領域研究-研究多智能體強化學習（MARL）中的合作與競爭機制，解決非穩態環境、信用分配、通信效率等挑戰。探索強化學習與神經符號系統（Neuro-symbolic Al）、因果推理的結合提升決策的可解釋性與魯棒性。
5、推動強化學習（RL）在大規模、高維、稀疏獎勵環境中的技術落地，構建具備自我進化能力的智能系統，賦能自主協同決策等核心業務場景。
【任職要求】
1、教育背景：計算機科學、數學、控制理論、自動化、運籌學或相關領域碩/博士學歷。
2、技術能力：熟悉強化學習經典算法（如DQN、PPOSAC、TD3）及最新進展，Gym、MuJoCo、ISSAC Sim等工具鏈。
3、對復雜系統建模與決策優化有強烈熱情。
【加分項】
1、具備大規模分布式訓練經驗（Ray、RLlib等框架），熟悉離線強化學習、模仿學習與仿真到真實（Sim2Real）遷移技術。
2、在算法層有深度實踐：稀疏獎勵優化、多智能體協同、元學習與快速適應。
3、發表過RL相關論文，或主導過開源RL項目者優先。
4、熟悉PyTorch深度學習技術框架，具備從算法設計到工程落地的全流程能力。