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。

团队介绍：我们是kwaipilot团队，负责快手自研KAT大语言模型的训练及开发。快手KAT系列模型编码能力在多个相关benchmark上的效果位居全球top3。主要工作方向包括: 1、通过算法创新与系统工程，刷新Agent的能力边界，效果达到世界领先水平； 2、专注于大语言模型（LLM）的前沿技术研究与技术落地，包括但不限于RL，Agent等方向； 3、负责大规模训练的算法-基建联合优化。