强化学习专家

算法创新与智能决策 设计面向复杂工业环境的强化学习算法，解决样本效率低、探索-利用权衡、稀疏奖励、多目标优化等关键问题； 探索基于模型（Model-based RL）、分层强化学习（HRL）、元强化学习（Meta-RL）、逆强化学习（JRL）等前沿方向的技术融合与改进。 结合大规模技术，研究语言驱动器化学习（Language-guided RL）、世界模型（World Models）等跨模态决策框架。 大规模强化学习系统构建 构建分布式强化学习训练框架，优化并行采样、离线强化学习（Offline RL）与在线学习的混合训练机制。 开发高效仿真环境与智能体交互接口，支持高保真物理模拟、多智能体协同训练及超长序列决策任务。 设计自适应奖励函数与课程学习（Curriculum Learning）策略，加速智能体在复杂场景中的能力进化。 前沿探索与跨领域研究 研究多智能体强化学习（MML）中的合作与竞争机制，解决非静态环境、信用分配、通信效率等领域。 探索强化学习与神经符号系统（Neuro-symbolic AI）、因果模型的结合，提升决策的可解释性与鲁棒性。 构建强化学习安全与伦理保障体系，设计对抗攻击防御、风险敏感策略与公平性约束机制。

计算机科学、控制理论、运筹学或相关领域博士学历。技术能力：精通强化学习经典算法（DQN、PPO、SAC、TD3）及最新进展（如Decision、 Transformer、DreamerV3）、逐步OpenAI、 Gym、MuJoco、Isaac Sim等工具链。具有大规模分布式训练经验（Ray、RLLib等框架），熟悉离线强化学习、模仿学习与sim2real技术。在算法层有深度实践：稀疏奖励优化、多智能体协同、元学习与快速适应 职位定位： 人工智能与人形机器人研究院强化学习方向负责人，负责突破复杂决策场景下的算法瓶颈，推动强化学习（RL）在工业领域的技术落地，构建具备自我进化能力的智能系统，赋能全链条业务场景。