荣耀大模型强化学习算法高级工程师
任职要求
1、计算机科学、机器学习、统计学、应用数学等相关领域专业； 2、具备扎实的机器学习基础、编码能力，能够熟练掌握最新论文和技术，并熟练使用PyTorch框架进行编程； 3、具备创造性思维，能够将全新想法转化为工程应用，对研究工作充满热情，具备良好的团队合作精神和沟通能力； 4、对强化学习、人工智能和大模型技术有强烈的兴趣和热情，愿意不断学习和探索新技术； 加…
工作职责
1、研究大语言模型及多模态大模型的SFT和RLHF后训练方法，旨在提升大模型在相关端侧业务上的基础能力，紧跟业界大模型的技术发展； 2、探索大模型的agent应用能力，包括但不限于ReAct、Reflexion、AutoGPT、MetaGPT等LLMagent应用框架，以及强化学习智能体的规划和端到端训练方法； 3、研究用户个性化大模型的强化学习训练和应用能力，提升端侧用户体验； 4、撰写技术报告和论文，积极参与公司内外部的技术交流与合作，推动团队在大模型技术水平和业务落地能力上的提升，增强团队在行业内的影响力和知名度。
技术研发与创新 主导 Agentic RL 系统的架构设计和前沿算法研发 将学术前沿（NeurIPS、ICLR 等会议技术方案）快速转化为美团特有的业务价值 针对本地生活场景，设计突破性的奖励函数和学习机制 建立 Agent 系统的 Scaling Law，指导大规模部署的技术路线 项目驱动与落地 推动 Agent RL 系统从研究到生产环节，确保算法的稳定性、可靠性和效率 与产品、工程团队深度合作，将研究成果转化为实际业务收益 团队领导与人才培养 组建和领导一支在 RL 和 Agent 领域的高水平研究团队 制定团队的技术战略和发展规划 指导团队成员的学术输出和技术成长 培养团队的工程实践能力，建立高效的算法开发和迭代流程
高德研发效能团队聚焦研发智能化方向，利用大模型技术革新研发交付模式，支撑业务高速发展。主要包括大模型技术在 项目管理、需求理解、代码开发和测试、智能回归、业务评测等研发效能领域的落地，以及大模型强化学习方向的前沿技术探索。
1、负责机械臂和灵巧手的模仿学习+强化学习相关算法的开发与落地，如物品抓取、铰链物体操作、可变形物体操作、掌内操作等； 2、跟踪国内外具身操作的最新进展，能够快速理解新工作并能够提出创新性观点，完成实验验证； 3、和大模型相结合，利用语言交互以及视觉，触觉等多模态信息实现在不同应用场景下的功能泛化和长序列动作；
1.负责研发和实现理想汽车自动驾驶系统中的强化学习算法，针对端到端大模型的训练范式进行优化，确保算法在车端平台的高效部署。 2.专注于开发和实现创新的强化学习算法和架构，推动自动驾驶系统性能的提升，特别是在 MPI 性能方面的突破。 3.参与自动驾驶系统的分布式训练框架建设，优化计算资源和内存瓶颈，支持大规模模型的高效训练与推理。 4.跟踪强化学习和自动驾驶领域的最新技术进展，推动新技术的实验验证和应用落地，推动技术前沿的突破。 5.跨团队紧密合作，确保 AI 模型在生产环境中部署，满足高性能和高可靠性的要求。