1、计算机、自动化、机器人、人工智能、数学等相关专业。 2、扎实掌握强化学习基础理论（PPO\GRPO\Actor-Critic），能独立完成算法实现与实验分析。 3、在以下方向中至少一项有较深入实践： （1）在线或者离线强化学习 （2）Reward Function 设计，Reward Model 训练 （3）自动驾驶强化学习仿真闭环设计与应用 （4）强化学习后训练 4、熟练使用 Python 及 PyTorch，熟悉 Linux 与 Git；具备将算法原型工程化的能力，了解 C++ 者优先。 5、数学基础扎实（概率统计、优化、线性代数），逻辑清晰，具备良好的实验记录与技术文档习惯。 优先考虑 1、有强化学习相关高水平项目、论文复现或一作 / 共一论文； 2、有自动驾驶决策、规划、轨迹预测相关实习、竞赛或开源经验； 3、熟悉闭环仿真评测、分布式训练或大规模日志数据挖掘； 4、有 ACM / 数学建模 / 机器人相关竞赛获奖经历。