机器人强化学习算法工程师（技术预研方向） 北京 社招 全职 职位 ID：A141640 职位描述 1. 开发基于机器学习的机器人控制策略，并与传统控制方法互补； 2. 负责算法策略的训练与移植部署，实现算法sim2real在机器人实机上落地应用； 3. 持续跟踪国内外前沿研究成果，并进行相关算法复现。 职位要求 1. 硕士及以上学历，机器人、计算机、人工智能、机器学习、应用数学等专业，理论功底深厚，有相关足式机器人传统控制经验更优； 2. 具有强化学习相关项目研究经验，熟悉Mujoco、Pybullet、Isaac Gym等机器人仿真平台，熟悉Linux、ROS等操作系统；3. 掌握主流强化学习算法如DQN、PPO、DDPG、SAC等主流算法，熟悉Pytorch、TensorFlow机器学习框架；4. 扎实的C++、python编程能力；5. 数学基础扎实，具有较强的学习与研究能力；6. 熟悉大模型理论者优先。 投递...
自动驾驶基座模型（强化学习方向） 北京 社招 全职 职位 ID：A204396 职位描述 负责强化学习的框架在自动驾驶场景中的前沿算法研究，；负责强化学习的框架在自动驾驶场景中的前沿算法研究，；参与大模型基座范式下(VLA+World Model)的强化学习框架搭建；负责将大模型（AD Agent）作为基础代理，利用 RL 技术优化其在复杂自动驾驶场景中的感知、推理和长期决策能力，涵盖场景理解、语义引导决策、时空建模等核心能力，并推动大模型与安全（Safety-Critical RL）及人类偏好（RLHF/DPO/PPO for AD）的深度对齐。 职位要求 教育背景：计算机科学、人工智能、机器人学、自动驾驶或相关领域的博士学位，或具备等效的研究经验；精通深度强化学习理论及其核心算法（如PPO, TD3, GRPO等系列）理论与实践能力：扎实的机器学习、深度学习理论基础，具有视觉理解、自然语言处理与行为决策的交叉领域研究背景；编程能力：熟练掌握Python及主流深度学习框架（如PyTorch、TensorFlow等），有高效模型训练与大规模数据处理经验；学术能力：具有在国际顶级会议（NeurIPS、ICLR、CVPR、ICCV等）上发表过论文的经验，或参与过具有影响力的学术竞赛（如COCO、Kitti、nuScenes等）；跨学科能力：具备跨学科协作能力，能够有效将计算机视觉、自然语言处理与机器人学的知识融合，推动自动驾驶机器人领域的创新；加分项：熟悉自动驾驶系统（感知-预测-规划）架构，理解 World Model 如何支持基于 RL 的规划算法（如 MCTS）具有自动驾驶平台（如CARLA、Waymo、nuScenes等）上的实验经验。 投递...
足式机器人运动控制算法工程师（强化学习） 北京 社招 全职 职位 ID：A200582 职位描述 1. 开发基于强化/模仿学习的机器人行走及全身控制策略； 2. 开发复杂地形下基于视觉的强化学习行走策略；3. 负责算法策略的训练与移植部署，实现算法sim-to-real在机器人实机上落地应用； 4. 持续跟踪国内外前沿研究成果，并进行相关算法复现；5. 编写相关技术文档，推动团队技术沉淀与知识共享。 职位要求 1. 硕士及以上学历，机器人、计算机、机械工程、人工智能、应用数学等专业，数学、英语能力扎实，具有较强的学习与研究能力；2. 掌握主流的强化学习算法，如：PPO、DQN、DDPG、SAC等；3. 掌握机器人学习中的广泛使用的训练方法和模型架构，如：教师学生模型（Teacher-Student Network），课程学习（Curriculum Learning），域随机化（Domain Randomization），混合专家模型（MoE）等； 4. 熟悉Mujoco、IsaacGym、IsaacLab等机器人仿真平台；5. 具备足式机器人强化学习算法的实机调试和sim-to-real经验，有基于模型/优化等传统控制经验者优先； 6. 扎实的C++、Python编程能力，熟悉Pytorch等机器学习框架，熟悉Linux，Git，ROS等开发环境和工具。 投递...
端到端算法工程师 北京 实习 数字技术 - 算法 职位 ID：A72815 职位描述 - 参与深度学习、强化学习等相关算法的研究与实现；- 在实际场景中开展强化学习（如 PPO、SAC、GRPO/DPO 等）的实验与改进；- 支持智能辅助驾驶或RL闭环仿真等前沿应用方向的研发工作；- 撰写技术文档，参与团队技术分享与学术交流。- 支持团队完成数据处理、模型训练与实验分析。 职位要求 在读硕士或博士，计算机、人工智能、自动化、电子工程或相关专业，距离毕业 1 年及以上；- 熟悉深度学习主流模型与架构（Transformer、Diffusion）；- 对强化学习方法有一定理解，熟悉以下任一方向： - 主流 RL 算法（DQN、DDPG、SAC、PPO、GRPO 等）； - 强化学习在轨迹预测、决策规划或模拟环境中的应用； - 世界模型（World Model）、3DGS 或基于 RL 的闭环仿真；- 有视觉感知 /
大规模仿真强化学习实习生 北京 实习 数字技术 - 算法 职位 ID：A236840 职位描述 参与大规模自博弈强化学习训练实验，设计和构建大规模、高吞吐量的批处理仿真器，十亿级仿真训练吞吐的驾驶经验生成 ；并改进 PPO 等高效的在策略（On-Policy）强化学习算法进行大规模训练 。辅助算法的鲁棒性与泛化性验证。参与攻坚仿真到现实的迁移 (Sim2Real)，参与研究和评估策略的Sim2Real迁移性能，探索域随机化（Domain Randomization）、系统辨识（System ID）等技术，以提升策略对真实世界变化的适应能力。协助团队将训练好的策略部署到真实世界的车辆平台上进行验证。 职位要求 （必要条件）教育背景： 计算机科学、人工智能、机器人学或相关领域的在读27届及之后毕业的博士/硕士研究生/优秀本科生。 对以下至少两个领域有扎实的知识基础和相关的项目/研究经验：强化学习: 熟悉多智能体RL、自博弈、PPO、SAC等主流算法。生成式模型: 熟悉 Diffusion 模型、GANs 等，并有相关实践经验。Sim2Real: 对仿真到现实的迁移问题有了解或实践经验。编程与系统能力：精通 Python 和 PyTorch/Jax，具备训练和调试复杂强化学习算法的能力。拥有构建或使用高性能、批处理仿真环境（如 Isaac Gym/Lab）的经验 。具备优秀的系统设计和性能优化能力，熟悉 GPU 编程者优先。算法知识： 精通 PPO 等主流深度强化学习算法，并理解其在大型分布式系统中的应用 。加分项（优先条件）对
智能辅助驾驶算法实习生（视觉感知 / 端到端模型 / 强化学习） 北京 实习 数字技术 职位 ID：A36277 职位描述 1. 参与智能辅助驾驶相关算法的研发与验证，方向包括但不限于： - 视觉感知（目标检测、语义分割、跟踪、BEV 表征等）； - 端到端模型（规划预测一体化、行为建模、多模态融合等）； - 强化学习（轨迹生成、决策规划、闭环训练、世界模型等）。2. 支持团队完成数据处理、模型训练与实验分析； 职位要求 岗位要求1. 计算机、人工智能、自动化、电子工程等相关专业，硕士或博士在读，距离毕业 1 年及以上；2. 熟练掌握 Python / C++，具备扎实的算法与编程能力；3. 有 视觉感知 / 端到端模型 / 强化学习
机器人运动控制算法实习生 北京 校招 实习 软件研发类 职位描述 1、开发基于机器学习的机器人控制策略，并与传统控制方法互补； 2、负责算法策略的训练与移植部署，实现算法sim2real在机器人实机上落地应用； 3、持续跟踪国内外前沿研究成果，并进行相关算法复现。 职位要求 1、硕士及以上学历，机器人、计算机、人工智能、机器学习、应用数学等专业，理论功底深厚，有相关足式机器人传统控制经验更优； 2、具有强化学习相关项目研究经验，熟悉Mujoco、Pybullet、Isaac Gym等机器人仿真平台，熟悉Linux、ROS等操作系统；3、掌握主流强化学习算法如DQN、PPO、DDPG、SAC等主流算法，熟悉Pytorch、TensorFlow机器学习框架；4、扎实的C++、python编程能力；5、数学基础扎实，具有较强的学习与研究能力；6、熟悉大模型理论者优先； 投递...
足式机器人运动控制算法工程师实习生（强化学习） 北京 校招 实习 算法类 职位描述 1. 开发基于强化/模仿学习的机器人行走及全身控制策略；2. 开发复杂地形下基于视觉的强化学习行走策略；3. 负责算法策略的训练与移植部署，实现算法sim-to-real在机器人实机上落地应用；4. 持续跟踪国内外前沿研究成果，并进行相关算法复现；5. 编写相关技术文档，推动团队技术沉淀与知识共享。 职位要求 1. 硕士及以上学历，机器人、计算机、机械工程、人工智能、应用数学等专业，数学、英语能力扎实，具有较强的学习与研究能力；2. 掌握主流的强化学习算法，如：PPO、DQN、DDPG、SAC等；3. 掌握机器人学习中的广泛使用的训练方法和模型架构，如：教师学生模型（Teacher-Student Network），课程学习（Curriculum Learning），域随机化（Domain Randomization），混合专家模型（MoE）等；4. 熟悉Mujoco、IsaacGym、IsaacLab等机器人仿真平台；5. 有足式机器人强化学习算法的实机调试和sim-to-real经验者优先，有基于模型/优化等传统控制经验者优先；6. 扎实的C++、Python编程能力，熟悉Pytorch等机器学习框架，熟悉Linux，Git，ROS等开发环境和工具。 投递...
能耗优化算法工程师-2027届 北京 校招 实习 算法类 职位描述 1. 负责整车热管理与能耗优化物理建模算法和AI建模算法研发2. 用机器学习算法对整车热管理与能耗进行优化、数据分析及可视化3. 负责能耗优化算法的端侧部署、性能与耗时优化；负责算法的实车验证，迭代优化；用户评价追踪。 职位要求 1.硕士及以上学历；车辆工程、自动化、能源与动力、统计学等相关专业优秀的软件工程素养，精通Python、C/C++程序设计；2. 熟悉C++/python等编程语言，熟悉PyTorch等深度学习框架；4、熟悉DDPG/GRPO/PPO/AC学习等强化学习算法加分项：1.良好的英语沟通能力；2.优化的物理/数学建模功底3.发表过SCI一区/二区，CCF-A类会议等高水平论文 投递...
大模型后训练与GPU/加速器内核优化实习生 北京 校招 实习 算法类 职位描述 面向CUDA及多架构加速器（类CUDA）内核开发的垂直场景，基于现有基础模型开展后训练与评测落地，提升模型在内核生成/改写/性能优化上的实用能力，并在真实业务中落地1. 构建/清洗面向内核的训练数据与指令模板（生成、优化、注释、性能提示等）；2. 基于SFT、DPO/奖励建模、PPO/RLHF/RLAIF等开展后训练与对齐；3. 搭建自动化评测闭环：编译-单测-正确性-性能基准与指标（可编译率、通过率、吞吐/延迟、寄存器/共享内存、occupancy等）；4. 集成编译/分析/运行工具，将静态/动态性能信号引入训练反馈。 职位要求 1. 硕士/博士在读，大模型方向；2. 至少一种LLM后训练实践（SFT或RLHF/RLAIF/奖励建模/DPO等），重视训练-评测落地能力，有coding方向经验加分；3. 熟悉PyTorch与数据处理，能搭建训练/评测流水线；了解分布式/混合精度者优先；4. 具备CUDA/GPU并行基础，能阅读/编写内核并定位性能瓶颈；熟悉nvcc/clang与profilers等工具；5. 工程能力扎实（Python优先，C/C++加分），自驱与协作良好。加分项1. 有CUDA/HIP/SYCL或其他加速器内核优化经验；搭建过编译-运行-打分闭环；2. 在算子优化/并行计算/系统性能工程方面有积累；有开源、论文或竞赛经历。 投递...
【27届校招】大模型算法工程师 北京 正式 研发 - 算法 通用智能板块 职位描述 岗位简介：聚焦云端大模型算法研发，包括 VLM / VLA 大模型、世界动作模型(WAM)等，重点解决自动驾驶场景数据闭环体系及数据治理能力建设；利用语义标签、长时序描述及推理、向量化或隐空间表征等建立数据图谱，实现大规模数据分层治理。岗位职责：1、云端基座大模型研发：负责数据驱动的云端基座大模型算法研发，基于海量量产数据，研发无监督、自监督算法，持续提升大模型的场景语义理解与物理空间感知能力，进而提高云端大模型的时空感知、推理、预测、分析能力；2、空间推理产线建设：负责基于多传感器数据融合、时空信息融合的自动标注算法，构建具有精度高、场景泛化性强的时空数据生产产线，持续推动物理AI云端大模型研发；3、Scaling Law 驱动的算法研发：负责车云平台一体化大模型算法研发与优化，研发和设计基于数据驱动的感知迭代链路；构建高效的自训练感知流水线，提升数据闭环效率；4、强化学习研发：基于 PPO、DPO、GRPO、SAC 等主流强化学习算法，搭建长尾场景的后训练方案，完成奖励设计、分布式训练、模型调优，提升模型在复杂场景、恶劣天气、小众交通场景下的泛化能力与稳定性。 职位要求 1、学历基础：计算机、人工智能、自动化、数学等相关专业硕士及以上学历，博士优先。具备扎实的深度学习与强化学习数理功底；2、大模型能力：精通 VLM / VLA 端到端自动驾驶模型原理与全链路研发，熟悉大模型跨域泛化、域自适应、微调蒸馏技术，有智驾或机器人大模型落地经验优先；3、强化学习能力：熟练掌握 PPO、DPO、GRPO 等算法，具备用强化学习解决问题的实战经验，有智驾或机器人项目量产落地经验；4、自动驾驶认知：熟悉自动驾驶感知、预测、规划、控制全链路逻辑，兼具传统模块化与端到端模型研发认知；5、工程与综合能力：熟练使用 PyTorch，掌握 Agent / Harness 等自动化工具；具备良好的逻辑攻坚、跨团队协作与项目推进能力，有技术带队经验优先。加分项1、参与过自动驾驶或机器人技术路线、算法体系标准搭建；2、深耕VLM/VLA预训练、后训练方向，有相关落地成果；3、拥有顶会论文、核心专利成果。 投递...
【2027届校招】运控算法工程师 北京 正式 互联网 / 电子 / 网游 千寻智能2027届校招实习招聘项目 职位描述 岗位职责1. 基于强化学习的人形机器人（轮式/轮足/双足）运动控制算法研究与实现，包括行走、操作、跑步、跳跃等动态运动技能的训练与部署。2. 设计并优化Sim-to-Real迁移策略，解决仿真与真实机器人之间的动力学差异（domain gap），针对机器人本体特性提出算法与机电协同设计的改进建议。3. 构建强化学习训练框架（如Isaac Gym、Mujoco + RLlib等），探索强化学习与传统控制融合、大小脑算法融合。4. 参与机器人运动学、动力学模型的搭建与仿真环境构建，建立基于强化学习的运动性能评估标准，与传统控制方法性能做对比。5. 跟踪前沿强化学习算法（如PPO、SAC、TD3、Dropout Q-learning等）及机器人运动控制领域最新成果，进行技术文献调研与原型实现。 职位要求 职位要求1. 硕士及以上学历，有强化学习在实际机器人系统上的部署经验、有Sim-to-Real迁移（域随机化、系统辨识、教师-学生策略等）实际项目经验。2. 深入理解强化学习基础理论，熟悉MDP建模、策略梯度、价值函数估计、探索-利用权衡等核心概念。3. 熟练掌握至少一种主流强化学习框架（RLlib、Stable-Baselines3、Acme、TensorFlow Agents等），并有实际训练与调优经验。4. 熟悉机器人学与传统运控（运控规划、运动学、动力学等），与仿真环境（Mujoco、PyBullet、Isaac Gym等）进行交互，设计状态空间、动作空间与奖励函数。5. 熟悉ROS2框架，掌握最优化与数值计算方法，能够理解强化学习算法中的梯度估计、约束优化等问题。6. 熟悉NVIDIA Isaac Sim/Isaac Gym、MuJoCo等高性能仿真训练平台，熟练使用C++、Python，熟悉Eigen、NumPy等科学计算库，具备良好的工程化代码能力。7. 熟悉常用传感器（IMU、力矩/力传感器、编码器等）及其在强化学习观测空间中的建模方法，了解状态估计与滤波技术。8. 保持对具身智能前沿技术的持续关注，有技术热情和技术审美，敢于创新，追求卓越。优先条件1. 具有人形机器人、四足机器人或其他复杂多体系统的强化学习运动控制经验者优先。2.
算法工程师 - LLM后训练 Beijing Full-time R&D - Algorithm Responsibilities 参与公司AI算法相关工作，专注于提升大语言模型（LLM）的生成质量，推动技术创新和产品落地，具体职责包括但不限于：1. 监督微调：深入研究和实施大语言模型（LLM）的SFT、RFT等技术方案，优化AI的情感表达能力和剧情设计能力，突破长期记忆、行为一致性等技术难点2. 奖励模型：基于海量用户交互日志和反馈数据，深入挖掘真实用户偏好信号，构建高质量的偏好数据集；设计并实现包括生成式奖励模型（GRM）、过程奖励模型（PRM）等在内的多维度奖励函数3. 强化学习：深入理解PPO、DPO、GRPO等常用LLM强化学习方法，结合具体业务目标（如上下文一致性、逻辑正确性、OOC等），设计定制化的奖励组合与训练策略4. Agent：面向复杂、多步骤的业务场景，设计并实现基于大语言模型的Agent架构；集成工具调用（Tool Use）、记忆机制（Memory）、反思（Reflection）、多智能体协作等范式实现复杂任务的能力跃迁 Qualifications 1. 优秀的代码能力、数据结构和基础算法功底，熟练C/C++或Python，ACM/ICPC、NOI/IOI、Top Coder、Kaggle等比赛获奖者优先；2. 熟悉NLP、CV相关的算法和技术，熟悉大模型训练、RL算法者优先；3. 在虚拟角色生成、角色扮演、情感陪伴等方向有项目经验或论文成果者优先；4. 能系统性拆解角色类模型在生成一致性、长期记忆等场景的挑战，提出创新解决方案；5. 具备较强自驱力，能与产品、算法团队紧密协作，推动技术从研究到落地的全链路闭环。 Apply...
NVIDIA has been transforming computer graphics, PC gaming, and accelerated computing for more than 25 years. It’s a unique legacy of innovation that’s fueled by great technology—and amazing people. Today, we’re tapping into the unlimited potential