關於這個角色

我們正在尋找代理強化學習工程師加入我們的代理核心團隊。

您將幫助建立學習能力強的AI代理，這些代理能夠：

•不斷與現實世界中的業務環境互動

•學習定价、庫存和運作的決策政策

•進行長期規劃和計劃

•通過反饋和偏好調整優化行為

•在生產過程中不斷提高自己

這個角色著重於在實際工業系統中應用強化學習，大型語言模型和代理架構——而不是模擬的玩具環境。

⸻

焦點

•設計代理-環境互動系統（觀察、行動、獎金）

•將強化學習應用於實際情境，如價格優化、庫存分配和履行規劃

•為代理建立長期規劃和多步推理管道

•實現偏好學習和反饋優化（RLHF/RLAIF/線上學習）

•從真實業務數據中構建模擬環境和離線評估管道

•建立閉合學習循環：感測→決定→行動→反饋→改善

•開發自動化訓練、評估和部署工作流程

•改善大型RL工作的可見性和穩定性

•重构代理、數據和訓練框架以實現生產就绪

⸻

理想的體驗

•強化學習、代理或決策系統的背景

•強大的Python + PyTorch

•將現實世界問題抽象為狀態、行動和獎金的能力

•系統思考的態度

有以下好處：

•多代理經驗

•運作研究/遊戲理論

•供應鏈、定價或資源優化暴露

•LLM代理框架（LangGraph、AutoGen、CrewAI）

⸻

您將會解決的典型問題

•一個定价策略在不同地區的行為方式不同——代理如何通過強化學習適應？

•庫存和履行目標相衝突——代理如何在利潤、成本和服務水平之間進行權衡？

•業務數據是嘈雜且延遲的——我們如何設計堅固的獎金功能？

•企業偏好轉移——如何快速重新調整代理行為？

⸻

技術堆疊

Python / PyTorch

分散式RL

代理框架

TypeScript / React（內部工具）