强化学习算法/框架实习生（J97791）

加入百度强化学习算法团队，你将参与前沿RL算法的研究与落地，包括PPO、SAC等，设计奖励函数并优化策略，在大规模分布式训练中提升智能体性能

算法研发与迭代：负责强化学习算法（包括但不限于 PPO, SAC, TD3, Offline RL 等）的研究、实现与调优，推动技术在实际场景中的应用 - 奖励模型设计：基于业务需求，设计合理的 Reward Function 和 Observation 空间等 - 策略优化与评测：针对复杂决策问题进行策略建模，通过大规模并行训练提升智能体性能，并建立完善的算法评估体系 - 前沿技术追踪：跟踪 RL 领域的最新研究动向（如 NeurIPS, ICML, ICLR 论文），验证并复现前沿算法，保持团队技术的领先性 - 数据分析与挖掘：分析训练过程中的数据分布与瓶颈，解决探索（Exploration）与利用（Exploitation）的平衡问题

在顶会（NeurIPS, ICML, ICLR 等）发表过论文