高级首席数据科学家(履约)

您将做什么

• 设计并构建端到端的强化学习管道,将基于模型的强化学习、离线强化学习、模拟和在线学习结合在一起,包括权衡短期和长期结果的状态表示和奖励结构。
• 开发潜在世界模型和市场状态表示,捕捉供需互动、基于位置的模式以及来自用户和司机伙伴的行为信号。
• 构建能同时优化多个市场杠杆的系统,例如定价、调度和供应重新定位,以扩大可实现的业务成果范围。
• 创建策略评估框架和监控系统,以便新的决策策略可以安全地部署到生产环境中。
• 针对特定领域数据微调开源大型语言模型,用于市场应用中的预测、推理和模拟。
• 设计语言模型的训练策略,涵盖监督微调、基于偏好的对齐和迭代改进方法。