专家算法工程师（安治算法） (JR20260121008)

岗位职责

部门介绍 我们聚焦滴滴安全领域，致力于通过强化学习技术构建高效可落地的解决方案，推动算法从原型到生产环境全流程落地，助力业务核心指标提升，诚邀深耕强化学习领域的你加入，共推技术创新与业务落地！ 岗位职责 1.主导深度强化学习（DRL）算法的设计、研发与落地，结合滴滴安全领域业务场景，构建可落地的强化学习解决方案，负责全流程落地。 2.负责强化学习全流程建模，设计优化状态空间、动作空间、奖励函数，解决训练不稳定、样本效率低等工业级落地痛点，贴合业务需求。 3.深耕策略算法设计，结合业务目标（推荐精准度、驾驶安全性等）迭代优化算法，跟踪领域前沿技术（PPO、SAC等），推动技术创新。 4. 协同工程、业务团队拆解需求，提供算法技术支持，推动算法工程化部署与规模化应用，参与团队技术沉淀与人才培养。

任职要求

1. 硕士及以上学历，计算机、人工智能等相关专业，具备扎实的数学基础；拥有4年及以上生成式推荐或自动驾驶领域实战经验，有完整算法落地案例。 2.具备扎实的强化学习理论与实战背景，熟练掌握主流强化学习算法（PPO、SAC等），能独立完成强化学习全流程建模，有解决建模核心痛点的实战经验。 3.对策略算法设计与优化有深刻底层认知，熟练使用Python/C++，精通PyTorch等深度学习框架，熟悉OpenRLHF等强化学习工具，具备大规模模型训练优化经验 加分项 1.在顶会/顶刊发表过强化学习相关论文；有生成式推荐与自动驾驶交叉领域经验。 2.具备多智能体强化学习、强化学习与大模型融合应用经验者优先。

部门

网约车平台技术