强化学习模型算法工程师(J30447)

开展前沿强化学习理论与算法研究，面向复杂决策与具身智能场景，设计可扩展、可泛化的学习框架; 研究原子能力模型的高效学习与组合机制，包括技能发现、层次化强化学习（HRL）与技能复用;探索并实现**人在环路强化学习（Human-in-the-loop RL）**方法，将人类反馈、偏好、示范有效融入策略学习与优化过程; 面向预训练多模态大模型（Vision–Language–Action, VLA），研究强化学习驱动的后训练（Post-training），提升模型在闭环决策、长期任务和分布外场景下的性能。

计算机科学、人工智能、自动化、机器人等相关方向硕士及以上学历，具备扎实的机器学习与深度学习基础。