Agent 强化学习算法技术专家

【工作职责】 工作方向：智能体强化学习、在线策略迭代、真实业务场景算法落地。 1、面向Agent真实业务场景，负责端到端多轮交互智能体强化学习方案设计、算法选型、训练链路搭建与策略迭代，攻克长程复杂任务下决策可靠性、任务成功率、稀疏奖励等核心难题； 2、跟踪并落地前沿 RL 对齐算法，完成策略优化、奖励模型迭代，设计离线仿真 + 线上真实环境联合评估体系； 3、带领算法小组开展技术预研与方案落地，推动算法效果闭环； 4、构建 Agent 训练数据集、评测基准与自动化实验工具链，支撑团队高效迭代。 【任职要求】 1、硕士及以上学历，计算机、自然语言处理、人工智能等相关专业，3 年及以上大模型 Agent 强化学习实战经验； 2、必备能力：拥有多轮交互 Agent 端到端 RL 完整优化实战经历，熟悉图文多模态大模型，熟悉主流前沿 RL 对齐算法，理解长序列决策优化逻辑； 3、优先加分： a…… 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 107 个南京技术研发岗位，其中 55 个公开标注了薪资。按这些标注统计：月薪（税前）主流区间 15K ~ 24K（25~75 分位），中位约 20K，最低 5K、最高 70K。