TCL算法工程师（强化学习方向）
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；…
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。
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。
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。
- 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。
- 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