购物智能体强化学习后训练算法探索

岗位职责

1. 面向复杂电商购物智能体场景，研究多轮工具调用与长链路决策下的强化学习核心问题。
2. 攻坚稀疏奖励建模、信用分配及策略优化稳定性等技术瓶颈，探索新型Agentic RL算法落地。
3. 深度挖掘海量用户行为日志，设计面向转化目标的多粒度Reward信号体系。
4. 建立并完善面向购物Agent的系统性评测体系，以评测驱动模型能力持续演进。

任职要求

1. 计算机科学、人工智能或机器学习等相关领域的本硕博在校生。
2. 具备扎实的强化学习理论基础，熟悉PPO、GRPO、DPO等主流前沿优化算法。
3. 具备优秀的工程代码能力，熟悉PyTorch及大规模分布式计算，拥有大厂相关实习经验者优先。
4. 在Agent训练、工具调用（Tool-use）或多步推理相关方向有扎实的实战工作经验。
5. 拥有大模型后训练实操经验，或在相关领域顶级会议有论文发表经历者优先。

部门/板块

京东零售