一段式端到端强化学习算法高级专家/负责人-【自动驾驶】(J21747)

在一段式端到端模型完成模仿学习训练后，针对安全防护、多智能体博弈、居中性等任务，通过强化学习进行后训练迭代优化；

负责RL算法体系搭建与迭代，带领小组完成模型训练、模型评测、实车落地全流程；

沉淀技术成果，推动团队技术标准化、体系化建设。

本科及以上学历，2年以上自动驾驶模仿学习、强化学习落地经验；

主导过RL算法从框架设计选型、模型训练到实车落地的全过程，熟悉OpenRLHF、FM GRPO等框架；

熟悉一段式端到端模型的常见结构，有一段式端到端模型落地经验；

熟悉常见RL的Reward设计方案，对各类reward可能会带来的问题、避免其他场景退化等方面有处理经验；

有头部智驾公司核心项目经验、顶会论文或知名开源项目者优先。 团队福利： 完整L4落地场景+海量真实数据+万卡算力支持、算法快速上车验证、技术氛围纯粹、弹性工作制、完善薪酬期权体系。