网易强化学习算法工程师

1. 负责强化学习算法的研究、开发和应用，解决AI搜索等实际问题并提升业务效果。 2. 设计、实现、优化强化学习模型，包括但不限于价值迭代、策略梯度、模型预测控制等算法。 3. 跟踪强化学习领域的前沿研究进展，不断探索和创新，推动强化技术发展。 4. 与LLM的模型后训练相结合，迭代RL训练技术并实现业务模型的调优和落地。

1、负责强化学习算法的开发和应用，用于机器人的精细操作或者全身运动控制，提升动作的自然度和鲁棒性； 2、完成控制策略在真机上的测试验证，重点解决部署过程中遇到的sim2real gap问题； 3、持续跟踪国内外前沿研究成果，并进行相关算法复现。

1. 开展机器学习和强化学习领域的科学研究，推动技术进步； 2. 开发更优的数据驱动人类行为建模方法； 3. 与研究人员及跨职能团队合作，沟通研究计划、进展与成果； 4. 应用前沿强化学习技术，推动生成式人工智能（GenAI）和具身智能应用落地。 5. 参与学术论文发表及开源项目贡献。

1、深入研究和应用COT及强化学习技术，建立针对电商大模型推理优化体系，使模型在处理电商复杂问题的准确率显著提升，显著增强模型的动态推理和反思能力，确保模型能够快速、准确地应对电商业务的高复杂度和多变性需求； 2、研发的电商推理优化大模型支持核心电商业务场景（如审核、商品推荐），降低人工审核成本，提升电商业务的智能化水平和运营效率； 3、研究大模型驱动的智能体算法，包括但是不局限于ReACT、Voyager、WebGPT、AutoGPT； 4、撰写技术报告和论文，分享研究成果，参与内外部的技术交流和合作，推动团队技术水平的提升，提高团队在行业内的影响力。