岗位职责：
研究、开发和优化强化学习算法（如DQN、PPO、SAC、多智能体RL等），解决实际业务问题。
设计高效的仿真环境或与物理系统交互的RL训练框架。
实现大规模分布式RL训练系统，提升算法性能和收敛速度。
与跨职能团队（如产品、数据、工程）合作，将RL模型部署到生产环境。
跟踪学术界和工业界的最新RL进展，推动技术创新。
任职要求：
计算机科学、人工智能、数学、电子工程或相关领域的硕士/博士学历。
扎实的机器学习基础，熟悉深度学习（PyTorch/TensorFlow）。
熟练掌握强化学习经典算法（如MDP、Q-Learning、Policy Gradient等）。
较强的编程能力（Python为主，熟悉C++/Rust更优）。
有RL仿真环境开发经验（如OpenAI Gym、Unity ML-Agents、MuJoCo等）。
具备分布式训练（Ray/RLLib、Horovod）或模型部署经验（ONNX、TensorRT）者优先。
