logo of tcl

TCL算法工程师(强化学习方向)

校招全职研发技术类地点:深圳状态:招聘

任职要求


1. 全日制硕士及以上学历计算机、人工智能、自动化相关专业,良好的计算机基础知识,具备一定的实际后端开发经验;
2. 熟悉Python编程语言以及常用AI技术框架等,具备出色的逻辑理解能力和强大的学习能力;
3. 熟悉Unix/Linux操作系统,熟练掌握常用命令及问题排查工具;
4. 了解前沿技术,有大模型工程经验、RAG相关开发与设计经验优先;
5. 积极主动、富有责任心,具备良好的沟通能力和团队合作意识。

工作职责


1. 负责家电产品AI相关算法功能开发;
2. 负责深度学习、强化学习等神经网络或LLM模型的设计、训练改善工作,提升产品实际功能及创造价值。
包括英文材料
学历+
后端开发+
Python+
Unix+
Linux+
大模型+
RAG+
相关职位

logo of quark
校招智能信息秋季20

1. 开展大语言模型、多模态生成/理解大模型复杂推理能力、可信性研究和奖励模型,包括但不限于自然语言处理、视觉理解、多模态生成与理解等; 2. 开展多模态大模型后训练阶段的强化学习算法研发迭代,包括:基于人类、AI、环境反馈的强化学习算法的优化升级,覆盖规则遵循、复杂推理等多个任务的多目标强化学习训练算法研发和调优,设计并实施实验; 3. 关注和学习最新前沿研究,参与学术讨论和技术交流,撰写研究报告、技术文档或论文,鼓励在国际顶级期刊或会议上发表研究成果。

更新于 2025-08-13
logo of tencent
社招3年以上腾讯广告技术

1.多目标强化学习算法开发与调优。基于业务场景构建DQN、PPO、SAC等算法的改进框架,针对延迟奖励稀疏性设计分层强化学习架构。搭建离线仿真环境与在线AB测试闭环,设计动态滑动窗口评估机制,量化算法迭代效果; 2.效果瓶颈分析与突破。构建强化学习可解释性分析工具(如SHAP值、注意力热力图),定位状态表征缺失/奖励函数偏差/探索不足等瓶颈。设计课程学习机制,通过渐进式难度提升策略解决稀疏奖励场景下的策略退化问题; 3.状态与奖励机制创新。构建异构特征融合模型,集成用户实时行为序列(LSTM)、跨场景偏好迁移(Meta Learning)等高阶状态表征。设计复合奖励函数,融合稠密奖励(点击行为)与稀疏奖励(购买行为),引入基于KL散度的奖励塑形技术; 4.跟踪深度学习、计算广告、推荐系统,deepseek等最新前沿技术,应用到多目标排序。

更新于 2025-09-26
logo of netease
社招网易游戏(互娱)

- 参与强化学习、模仿学习、进化算法的落地工作,包括但不限于智能体、平衡性测试等; - 基于强化学习、模仿学习等AI技术为游戏产品打造更强力、更多样、更拟人的AI机器人; - 参与开发强化学习训练和部署平台。

更新于 2025-06-05
logo of netease
社招3-5年网易游戏(互娱)

- 参与强化学习、模仿学习、进化算法的落地工作,包括但不限于智能体、平衡性测试等; - 基于强化学习、模仿学习等AI技术为游戏产品打造更强力、更多样、更拟人的AI机器人; - 参与开发强化学习训练和部署平台

更新于 2025-08-24