RL 后训练研究员

岗位职责

1. 01研发面向具身智能的 RL 后训练方法，提升模型在长程任务、环境变化和执行扰动下的成功率与恢复能力
2. 02研究离线与在线强化学习、偏好学习、奖励建模和策略改进方法，建立适合真实机器人反馈的训练范式
3. 03设计高质量 rollout、困难样本挖掘与反馈数据闭环，让失败、纠正与稀有场景持续转化为模型能力
4. 04建立覆盖仿真、离线回放与真机任务的评测体系，区分策略提升、数据分布变化与评测波动
5. 05协同预训练、数据和机器人团队推进算法落地，解决训练稳定性、样本效率和真实部署约束

任职要求

• 计算机、人工智能、自动化等相关专业，硕士及以上学历；具有突出研究或工程成果者可适当放宽
• 扎实掌握强化学习基础，理解策略梯度、Actor-Critic、离线强化学习、模型式强化学习等核心方法及其适用边界
• 真正训练过机器人策略、VLA 模型或大模型 RL 系统，能够独立设计目标、运行训练并证明策略提升
• 熟练使用 PyTorch，具备分布式训练、并行 rollout 或大规模强化学习系统的实践经验
• 理解真实机器人数据昂贵、反馈延迟和安全约束等问题，重视样本效率与实验可复现性
• 研究判断严谨，能够从复杂实验中识别真正有效的改进并推动其稳定落地