长城汽车-强化学习算法开发岗(048219)

【工作职责】 1. 充分利用trigger的good/bad数据，重建真值，设计完善回流数据pipeline，改善onboard 长尾场景的体验 2. 基于环境模型(vector, neural)，进行模型finetune 3. 设计优化训练rollout engine，改善训练效率 4. 设计开发 offline RL, constrained RL, preference learning (RLHF-style), DPO-style fine-tuning等方案优化onboard性能体验 【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。