长城汽车-强化学习算法开发岗(048219)

工作内容
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

任职条件
工作地可选：保定、北京、上海、苏州、成都、深圳、天津