自监督或强化学习算法(A159940)

该职位来源于猎聘 职位描述： 1、设计并实现面向自动驾驶的自监督训练框架，提升端到端大模型在稀疏标注场景下的泛化能力；

2、研发适用于驾驶决策、路径规划与动态博弈的强化学习算法，包括 GRPO、PPO、Offline RL 等，解决高速、城区、泊车场景中的安全性与长尾交互问题。 职位要求： 1、计算机、人工智能、自动化等相关专业硕士及以上学历；

2、熟练掌握 Python/C++，具备良好的数据结构与算法基础；

3、满足以下任一方向即可：

1）自监督：熟悉对比学习、MAE、可微分渲染等相关领域，有 MAE、DINO 系列工作、GeoMIM、SelfOcc 等实际经验者优先；

2）强化学习：熟悉 PPO、GRPO、DPO 等强化学习算法，有实际的自动驾驶强化学习应用经验者优先。 加分项

1、有 ACM/ICPC 区域赛银牌、RoboMaster/RoboCup 等奖项经历；

2、在 CVPR/ICCV/ECCV、NeurIPS/ICLR、ICRA/IROS/ICML/CoRL 等发表过自监督或 RL 相关论文。