工作职责： 1、推进模仿学习 + 强化学习等组合方案的落地，完成模型训练、离线评测，并与仿真闭环、路测结果对齐分析。 2、参与数据闭环建设：日志采集与清洗、场景挖掘、标注 / 回放，支撑模型迭代与问题复现。 3、建设并维护「训练—评测—回流」流水线，完成实验配置、指标统计、bad case 归档与阶段性复盘。 4、跟踪强化学习与自动驾驶领域前沿，推动有价值方法的预研与工程转化。 任职要求 1、计算机、自动化、机器人、人工智能、数学等相关专业。 2、扎实掌握强化学习基础理论（PPO\GRPO\Actor-Critic），能独立完成算法实现与实验分析。 3、在以下方向中至少一项有较深入实践： （1）在线或者离线强化学习 （2）Reward Function 设计，Reward Model 训练 （3）自动驾驶强化学习仿真闭环设计与应用 （4）强化学习后训练 4、熟练使用 Python 及 PyTorch，熟悉 Linux 与 Git；具备将算法原型工程化的能力，了解 C++ 者优先。 5、数学基础扎实（概率统计、优化、线性代数），逻辑清晰，具备良好的实验记录与技术文档习惯。 优先考虑 1、有强化学习相关高水平项目、论文复现或一作 / 共一论文； 2、有自动驾驶决策、规划、轨迹预测相关实习、竞赛或开源经验； 3、熟悉闭环仿真评测、分布式训练或大规模日志数据挖掘； 4、有 ACM / 数学建模 / 机器人相关竞赛获奖经历。