小鹏汽车强化学习算法实习生
实习兼职地点：上海状态：招聘
任职要求
1、27届-28届毕业同学，计算机/自动化/机器人等相关专业，硕博优先； 2、对物理AI有强烈兴趣，愿意深入解决RL落地的真实难题； 3、扎实的强化学习基础，熟悉PPO、GRPO、SAC等算法，有MuJoCo、Isaac Gym、CARLA等仿真平台经验； 4、有基于Autoregressio…
登录查看完整任职要求
微信扫码，1秒登录
工作职责
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。
包括英文材料
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.
算法+
https://roadmap.sh/datastructures-and-algorithms
Step by step guide to learn Data Structures and Algorithms in 2025
https://www.hellointerview.com/learn/code
A visual guide to the most important patterns and approaches for the coding interview.
https://www.w3schools.com/dsa/
Gymnasium+
https://gymnasium.farama.org/index.html
An API standard for reinforcement learning with a diverse collection of reference environments
https://www.youtube.com/watch?v=FvuyrpzvwdI
Learn to use Gymnasium for Python, which allows you to create environments to run reinforcement learning programs against in Python.
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
还有更多 •••
相关职位
实习算法与软件
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。
北京
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