【L4】强化学习算法研究员（Robotaxi）

岗位职责： 1.负责自动驾驶一段式端到端模型及 VLA 模型的研发与量产落地，包括监督微调（SFT）、强化学习微调及训练流程优化。 2.研究与优化强化学习算法、对PPO/GRPO/DAPO/GDPO等Policy Optimization类能够掌握，对RL里面奖励设计和数据采样策略，数据探索，在线/离线强化学习，能够帮助模型突破模仿学习的性能上限。 3.面向实车驾驶问题，能够清晰的有自己的问题分析框架和问题解决能力，建立从问题分析、数据回流、模型训练到实车验证的迭代闭环，持续提升安全性、通行效率与舒适性。 4.鼓励探索强化学习与世界模型结合的自闭环训练范式，推进场景生成、效率优化、交互推演、策略优化与评测验证。 5.鼓励对前沿算法的研究尝试探索，包括但不限于OPD等算法有探索能力。 岗位要求： 1.具备扎实的深度学习与强化学习基础，熟悉主流Policy Optimization方法，能够独…… 完整岗位描述与官方投递入口,请登录后在岗位详情页查看。

本站当前在招 21043 个北京岗位（全城各职能合计），其中 1782 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。