大模型与强化学习驱动的库存调度优化研究

1. 研发基于大模型的仓储订单预测模型，结合强化学习实现库存优化； 2. 开发大模型驱动的设备调度系统，提升集群与单体调度精度效率； 3. 研究LLM-as-a-Judge自动化评测机制，建立人机协同优化体系； 4. 结合运营数据持续优化算法模型，实现多源异构混合AGV协同调度。

1. 获得本科及以上学历，计算机科学、人工智能、数学、运筹学、物流工程或相关专业； 2. 具备扎实的机器学习与强化学习理论基础，熟悉大模型（LLM）微调及相关建模工具，有仓储订单预测或动态库存调度优化相关的实战背景； 3. 熟悉LLM-as-a-Judge自动化评测机制及人机协同优化体系，具备大模型驱动的物流设备调度系统研发经验，能够解决多源异构混合AGV的高效协同调度难题； 4. 熟练掌握Python编程及主流深度学习框架（如PyTorch、TensorFlow），掌握传统优化算法与AI结合的方法，具备优秀的业务问题抽象与算法迭代能力； 5. 在NLP、CV、机器学习或运筹学等领域顶级会议或期刊（如NeurIPS、ICML、ICLR、KDD等）有高质量论文发表记录。