理想汽车强化学习算法实习生
实习兼职算法与软件地点：北京状态：招聘
任职要求
1. 全日制统招在校生，2027年及之后毕业。 2. 有大模型 / 多智能体系统（Multi-Agent System）/ 强化学习方向研究或实践经历，熟悉主流大模型训练方法优先。 3. 熟悉 Python 等至少一门编程语言，具有较强的代码开发能力，熟悉 Linux 工作环境。 4. 良好的工程实现能力，熟悉 LLa…
登录查看完整任职要求
微信扫码，1秒登录
工作职责
1. 参与多智能体协同场景的环境构建、数据合成与算法设计（SFT & RL 全流程）。 2. 探索可泛化、可拓展的 Agentic LLM 训练方法，提升 Agent 在真实业务场景中的表现。 3. 参与研究结果整理与高水平论文发表。
包括英文材料
大模型+
https://www.youtube.com/watch?v=xZDB1naRUlk
You will build projects with LLMs that will enable you to create dynamic interfaces, interact with vast amounts of text data, and even empower LLMs with the capability to browse the internet for research papers.
https://www.youtube.com/watch?v=zjkBMFhNj_g
智能体+
https://learn.microsoft.com/en-us/shows/ai-agents-for-beginners/
In this 10-lesson course we take you from concept to code while covering the fundamentals of building AI agents.
https://www.ibm.com/think/ai-agents
Your one-stop resource for gaining in-depth knowledge and hands-on applications of AI agents.
AI agent+
https://www.ibm.com/think/ai-agents
Your one-stop resource for gaining in-depth knowledge and hands-on applications of AI agents.
强化学习+
https://cloud.google.com/discover/what-is-reinforcement-learning?hl=en
Reinforcement learning (RL) is a type of machine learning where an "agent" learns optimal behavior through interaction with its environment.
https://huggingface.co/learn/deep-rl-course/unit0/introduction
This course will teach you about Deep Reinforcement Learning from beginner to expert. It’s completely free and open-source!
https://www.kaggle.com/learn/intro-to-game-ai-and-reinforcement-learning
Build your own video game bots, using classic and cutting-edge algorithms.
还有更多 •••
相关职位
实习算法序列
【岗位职责】 -突破认知边界：让自动驾驶系统从 “模仿行为” 进化为 “理解世界”，掌握物理因果与长程规划能力。 -革新训练范式：构建自博弈强化学习的全新训练与推理框架，大幅提升系统的安全性、鲁棒性与泛化能力。 -弥合虚实鸿沟：探索仿真与现实世界的无缝迁移，让训练出的策略在真实道路上同样可靠。
更新于 2026-03-16北京|上海|香港
校招算法序列
【岗位职责】 -突破认知边界：让自动驾驶系统从 “模仿行为” 进化为 “理解世界”，掌握物理因果与长程规划能力。 -革新训练范式：构建自博弈强化学习的全新训练与推理框架，大幅提升系统的安全性、鲁棒性与泛化能力。 -弥合虚实鸿沟：探索仿真与现实世界的无缝迁移，让训练出的策略在真实道路上同样可靠。
更新于 2026-03-16北京|上海|香港
实习
1、研发面向自动驾驶的强化学习算法，解决奖励设计、环境交互、安全约束与样本效率等核心挑战； 2、设计奖励模型与仿真环境，构建从虚拟训练到真实迁移（Sim-to-Real）的可靠路径； 3、探索离线强化学习、模仿学习与RL的融合方案，提升算法在复杂交通场景中的泛化能力； 4、参与真实车端/机端的算法部署与闭环验证，推动RL在物理世界的落地； 5、与数据，仿真，infra团队协同，构建高效的RL开发框架，提升模型迭代效率。
更新于 2026-03-20上海