强化学习方向的机器学习工程师/高级机器学习工程师

在我们深入细节之前，先了解一下您将帮助我们解决的挑战。 我们正在构建能够安全移动真实车辆的具身智能，以及未来数十亿机器将运行的生态系统。在人工智能领域，很少有人能这么说。这里的每一个角色，无论属于哪个团队，都与这一目标息息相关。 以下是这个特定角色的具体职责。 🛠️ 关于我们的工程团队 驾驶核心团队开发了将各种驾驶数据转化为稳健闭环行为的学习方法。您将成为该团队中强化学习的核心技术负责人，与自动驾驶核心、模拟、评估和产品工程团队的研究人员和工程师紧密合作。成功的标志是驾驶行为产生可衡量的改进。 核心模型安全团队开发了实现安全无人驾驶操作的核心模型能力。在这个团队中，您将领导一个学习紧急轨迹模型的技术方向和交付工作，该模型用于低频、高后果的操作，如规避转向和紧急制动。该项目从问题定义开始，涵盖建模、评估、集成以及部署证据。 🧠 您的工作日常 作为Wayve自动驾驶核心组织中的高级/主任机器学习工程师，您将推进端到端驾驶模型的强化学习方法。您将确定通过奖励或反馈学习可以在哪些方面超越行为克隆，然后将有前景的想法从设计阶段通过大规模实验、严格评估，并整合到我们最佳的驾驶模型中。 🧩 您将从事的工作 制定并执行驾驶核心/核心模型安全的强化学习路线图，根据明确的行为差距和可衡量的成功标准选择问题和解决方法。 开发和评估行为克隆后的优化方法，包括离线和非策略强化学习以及其他奖励引导的方法；设计正则化、数据策略和诊断方法，以确保策略可靠地改进。 帮助改进用于训练和评估驾驶策略的奖励模型和相关学习信号，与合作伙伴团队合作，加强其质量、可扩展性和下游实用性。 使用大规模驾驶数据构建稳健的训练和实验工作流程；诊断分布偏移、目标指定错误、优化不稳定性以及数据和评估偏差。 定义离线指标、开放环测试、闭环模拟和上路评估的证据，并区分真正的策略改进与基准过拟。 将成功的方法产品化到共享的机器学习堆栈中，清晰传达决策和结果，并通过设计评审、代码评审和指导提高技术标准。 🙌 如果您符合以下条件，请申请 必要条件 您有开发和实验验证强化学习或密切相关的序列决策方法在复杂、高维问题上的强大记录。 您对现代强化学习基础有深入理解，包括策略和价值学习、非策略学习、函数逼近、分布偏移以及学习目标的失败模式。 您有行为克隆、强化学习或相关方法的实际经验。 您精通Python和PyTorch，具备强大的软件工程实践能力，并有构建可靠机器学习训练和评估系统的实际经验。 您有出色的实验判断力：能够将模糊的行为问题转化为可证伪的假设、有用的指标、严谨的消融和清晰的技术决策。 您具备高级别的所有权和协作能力：能够领导一个重要的技术领域，跨越研究和工程边界，并通过清晰的书面和口头沟通带领他人。 理想条件 有离线强化学习、模仿学习、奖励建模、偏好学习或大型神经策略的后期训练经验。 有自动驾驶车辆、机器人技术、控制或其他策略与安全关键物理系统交互的领域的经验，包括对运动规划、车辆动力学、控制或避撞的理解。 有闭环模拟、非策略评估、不确定性或校准，以及在罕见或偏移条件下的评估经验。 有在大规模训练多模态、基于transformer或生成策略模型的经历。 精通C++、CUDA、分布式训练或生产机器学习系统的性能优化。 🌱 如果您没有满足所有条件怎么办？那完全没问题！如果您对自主性充满热情并渴望学习，我们鼓励您即使没有满足所有要求也申请。 关于Wayve的更多信息: 🚀 Wayve正在构建领先的自动驾驶AI平台。我们正在开创一种端到端的AI方法，使车辆能够直接从现实世界经验中学习，发展出适应、泛化和大规模改进的能力。我们的AI驾驶员不是依赖手工编码的规则或预映射的环境，而是通过理解周围的世界来学习驾驶。其结果是技术能够在复杂的城市环境中以智能、精确和自然的流动进行导航，实现了安全性和效率的重大进步。我们相信自主性代表了一次代际转变，改变了人和货物的移动方式，可与从马到汽车，从人工驾驶车辆到智能机器的转变相媲美。 我们的目标是使自主性成为普遍存在。Wayve的无地图和硬件无关的AI平台与全球OEM合作伙伴集成，实现了软件的持续演进，并在我们的核心AI模型扩展时解锁从L2 plus到L4的高级自动化水平。在这场越来越由智能和现实世界学习定义的竞赛中，Wayve采取了不同的方法，构建