实习岗位详情

游戏AI算法实习生(强化学习 / 卡牌博弈方向)
 招聘时间
即日起 至 2026-12-02
 招聘单位
哔哩哔哩
 所在地区
上海
 工作地点
闸殷路1555号国华国际广场
 学历要求
本科
 实习时长
每周4天,每天3小时
 职责描述
工作职责:1.强化学习 Bot 建模与训练:面向不完全信息、随机性及高维动作空间等博弈难点,负责状态特征表征、动作掩码(Action Mask)、奖励函数设计与网络结构搭建,结合强化学习、模仿学习、自博弈与搜索方法,训练高水平、多样化且拟人化的对战 AI。2.训练迭代、调优与评测:负责 Bot 训练全流程的实验推进与效果优化,通过规范的对照和消融实验定位训练不稳定、策略退化或奖励作弊(Reward Hacking)等问题;持续优化采样与训练效率,并参与构建 Bot 强度、多样性及难度分层的评测体系。3.策略泛化与前沿探索:跟进版本迭代后的策略迁移与快速适配,结合真实对局数据探索对手建模、智能辅助等衍生方向;跟踪强化学习与博弈 AI 前沿进展并结合业务落地,鼓励将有创新价值的工作转化为高水平学术论文。工作要求:1.计算机、人工智能、自动化、数学等相关专业在读硕士或博士,研究方向为强化学习、博弈论、多智能体学习或相关领域。2.具备扎实的强化学习与搜索理论基础,理解算法背后的数学逻辑和适用边界。熟悉 MDP、贝尔曼方程、时序差分(TD)及 Actor-Critic 等核心原理,掌握 PPO、DQN 等主流强化学习与自博弈方法,并理解蒙特卡洛树搜索(MCTS)的基本思路。3.具备独立跑通并调优 RL 训练的实战能力:有完整的强化学习研究或项目经验,能够基于已有环境独立完成状态/动作/奖励建模、模型训练与实验评估,擅长通过日志和曲线排查训练异常。4.熟练使用 Python、PyTorch 等开发工具,代码习惯良好,具备较强的论文复现能力与扎实的工程实践基础。5.具备良好的研究主动性、问题拆解能力和团队协作意识。6.能够连续实习 6 个月及以上,每周出勤5天。【加分项】1.热爱游戏,是策略、棋牌或竞技类游戏的深度玩家,对高水平对局思路和玩家体验有自己的理解。2.在 NeurIPS、ICML、ICLR、AAAI、IJCAI、AAMAS 等人工智能或博弈论顶会发表过相关论文。3.具有不完全信息博弈(如德州扑克、麻将、斗地主、即时战略等)的研究或算法竞赛经验。4.熟悉 C++,具有大规模分布式强化学习、自博弈训练、复杂动作空间决策或模型工程部署的实际经验。5.具有 AI Bot 线上投放、难度分层调整、策略评估或对手/玩家行为建模相关研究与落地经验。
相关实习岗位
查看更多实习岗位

分享

收藏

 

©版权所有 deizao.net(得早学就创) 粤ICP备2024216716号