初速度
强化学习闭环训练工程师
3月热招岗位
强化学习闭环训练工程师 3月热招岗位
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公自动驾驶
自动驾驶
Dqn
Ppo
Sac
强化学习
智能辅助驾驶
深度学习
离线强化学习
闭环训练
值不值得投
76综合评分
综合评分 76
自动驾驶核心算法岗，技术前沿、成长空间大、薪资优厚，但工作节奏较快。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
4万
比自动驾驶中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
73 个在招
市场机会
选择面较广
北京 · 自动驾驶 · 约 170 个在招
职位详情
关于这个职位
该职位主要负责智能辅助驾驶场景下的强化学习闭环训练，通过处理交互与决策数据，优化决策规划策略的安全性和舒适性
你需要与规划控制及仿真团队合作，搭建高效的闭环训练平台，并探索离线强化学习等前沿技术的落地应用
最低要求
计算机科学、人工智能、自动化、机器人学或相关领域的985/211硕士以上学历
精通Python、C++或其它编程语言，具有扎实的数据结构和算法基础，熟练掌握强化学习相关代码编写和训练脚本开发
熟悉huggingface上的各种sota强化学习、决策模型项目，深入理解强化学习闭环训练的核心逻辑和工程实现细节
深入理解机器学习、深度学习、强化学习等人工智能核心技术，在强化学习闭环训练、辅助驾驶决策优化、Policy调优等相关领域有明确的项目经验
具备出色的分析问题和解决问题的能力，以及良好的团队合作精神
有责任心，能够适应快节奏的工作环境，并拥有良好的沟通能力
工作职责
熟悉强化学习（RL）、离线强化学习（Offline RL）、在线闭环训练、Policy Optimization等方向的核心算法，精通PPO、DQN、SAC等主流强化学习算法的代码实现、训练逻辑及调优方法
对智能辅助驾驶场景下的交互数据、决策数据、仿真数据进行预处理、分析和特征工程，挖掘数据中的交互规律和决策痛点，支撑强化学习闭环训练的效果提升
结合公司已有的辅助驾驶真实路测数据、仿真场景数据，构建强化学习闭环训练体系，对辅助驾驶决策/规划Policy进行finetune，优化决策的安全性、舒适性和高效性
与辅助驾驶规划/控制工程师、仿真工程师合作，搭建高效的强化学习闭环训练平台，确保训练后的Policy能够无缝集成到实际辅助驾驶系统，保障工程可行性和落地效果
跟踪强化学习、闭环训练、决策智能等领域的最新科研进展和技术趋势，探索离线强化学习、多智能体交互训练等前沿技术在辅助驾驶场景中的落地应用，解决实际业务中的决策优化问题
AI 洞察
优缺点分析
优点
- 处于自动驾驶与人工智能交叉的前沿领域，技术壁垒高，个人成长空间大
- 能够接触到海量真实路测与仿真数据，工程落地经验在行业内极具竞争力
- 公司处于C轮及以后阶段，业务成熟度高，项目资源丰富
- 自动驾驶决策优化对安全性和舒适性要求极高，算法调优和闭环验证难度大
- 适合具备扎实强化学习理论基础与工程落地能力，对自动驾驶充满热情，且能在高压环境下快速迭代的算法工程师
缺点 / 挑战
- 需要适应快节奏的工作环境，跨部门（规划、控制、仿真）协作沟通成本较高
角色解读
- 从强化学习算法工程师向自动驾驶决策规划专家发展，深入理解端到端自动驾驶技术
- 未来可成长为算法团队技术负责人，或向多智能体、具身智能等更广泛的AI决策领域拓展
- 负责智能辅助驾驶场景下的强化学习闭环训练，处理交互与决策数据，优化决策规划策略
- 与规划控制及仿真团队合作，搭建高效的闭环训练平台，确保算法无缝集成到实际系统
- 跟踪强化学习、决策智能等前沿技术，探索离线强化学习、多智能体交互等在自动驾驶中的落地
- 精通PPO、DQN、SAC等主流强化学习算法及离线强化学习技术
- 熟练使用Python/C++，具备扎实的数据结构、算法基础及工程实现能力
- 深入理解机器学习与深度学习，有辅助驾驶决策优化或Policy调优的实际项目经验
申请策略
- 了解初速度在量产自动驾驶方面的最新进展，面试时可结合其业务痛点提出自己的算法优化思路
- 突出在强化学习（特别是Offline RL、PPO、SAC等）方向的具体项目经验及优化成果
- 强调数据处理、特征工程以及将算法集成到实际系统（如自动驾驶仿真或实车）的工程能力
- 展示对huggingface上sota模型的理解，以及解决复杂决策优化问题的实际案例
- 深入学习离线强化学习（Offline RL）和多智能体强化学习的前沿论文与开源代码
- 提升C++工程化能力，熟悉自动驾驶中间件及仿真平台的接口与部署
面试指南
- STAR法则：针对项目经验，清晰阐述背景、任务、采取的具体算法/工程手段及最终量化收益
- 理论+实践结合：回答算法问题时，先简述核心数学原理或直觉，再结合代码实现细节和调参经验进行说明
- 请详细介绍你过往项目中使用的强化学习算法（如PPO/SAC），以及你是如何解决训练不稳定或样本效率低的问题的？
- 在辅助驾驶场景下，如何处理离线数据中的分布偏移（Distribution Shift）问题？
- 请描述一次你将强化学习策略成功部署到仿真或实车系统中的经历，遇到了哪些工程挑战？
- 如何评估一个决策规划Policy的安全性、舒适性和高效性？你设计了哪些指标？
- 复习强化学习经典论文（如PPO, SAC, CQL, IQL等），特别是Offline RL在自动驾驶中的应用文献
- 准备1-2个自己主导的、具有挑战性的算法优化或工程落地项目，能够深入讲解细节和踩坑经验
职位点评
薪资福利85
成长发展90
工作生活40
使命价值80
薪资福利
85较高
自动驾驶核心算法岗，薪资处于行业较高水平，且公司融资阶段靠后，业务稳定性与薪酬回报较好。
薪资信号未披露（AI估算：3千–5万/月）
成长发展
90较高
岗位聚焦强化学习与自动驾驶决策优化，技术栈前沿，能接触到海量真实数据与闭环训练体系，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈强化学习、离线强化学习、PPO、DQN、SAC、Policy Optimization、Python、C++、深度学习
业务类型profit_center
工作生活
40较低
JD明确要求适应快节奏的工作环境，且自动驾驶算法岗通常面临较高的交付压力，WLB相对有限。
工作模式未明确
办公地点科技园/产业园
加班情况JD含高强度暗示词
使命价值
80较高
致力于智能辅助驾驶技术的落地，推动自动驾驶普及，具有较高的社会价值与行业使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs