长城汽车-强化学习模型训岗(048218)

【工作职责】 1. 参与端到端模型多阶段训练，探索RL在端到端模型、生成式规划、下一代大模型中的应用 2. 设计、优化、迭代RL系统奖励函数设计、目标函数设计及训练框架搭建，落地基于RL的闭环策略训练 3. 分析并优化OnPolicy/OffPolicy数据集，构建高效的模型闭环迭代训练评估流程 4. 跟踪学术界和工业界在强化学习和自动驾驶领域的最新进展，推进RL在端到端中的深度实践 【任职要求】 工作地可选：保定、北京、上海、苏州、成都、深圳、天津

本站当前在招 21286 个北京岗位（全城各职能合计），其中 1807 个公开标注了薪资。按这些标注统计：月薪（税前）主流区间 7K ~ 20K（25~75 分位），中位约 12K，最低 1K、最高 300K。