外观
JD 清单
一句话定位：这一页把"市场到底在招什么人"翻译成清单——六类代表性岗位的 JD 逐条拆解、高频要求词频统计、技能组合画像，以及"拿到一份 JD 该先看什么"的阅读方法。
一、JD 来源与时效说明（dataAsOf: 2026-08）
数据时效声明
本页所有 JD 拆解基于 2026 年 8 月前后在国内外主流招聘平台与公司招聘官网公开可查的在招岗位的综合抽样，随后归纳为"典型 JD 画像"（非某家公司的原文，原文细节已做匿名化与合并处理）。岗位要求、薪资、HC（headcount）随时会变：
- 务必以你投递当天的 BOSS 直聘、拉勾、猎聘、LinkedIn Jobs、Glassdoor 及公司官网招聘页实时信息为准；
- 本页的价值是给你一套"读 JD 的方法"：知道哪些词是硬门槛、哪些是凑数、哪些是团队真实在意的信号，而不是把本页当岗位数据库；
- 词频统计为抽样样本（每类岗位采样 10-20 份公开 JD）的近似值，不是全量统计。
读任何一份 RL 相关 JD，先做三件事（本页贯穿这个框架）：
- 划出硬门槛：学历、年限、必须会的框架/算法——不满足就别硬投，省下时间。
- 划出核心职责动词：是"研发新算法"（研究）、"落地调优"（应用）还是"搭建训练平台"（平台）——判断属于哪类岗位。
- 划出信号词：JD 里反复出现的细节词（如"多个 seed""reward hacking""PPO clip"）往往暗示面试官真的会问这些——这就是 知识点拆解 的输入。
二、六类代表性岗位 JD 拆解
下面六类覆盖了 RL 市场的绝大多数在招岗位。每类给"典型职责（综合）→ 硬性要求 → 加分项 → 面试信号解读"四行。
1. 岗位一：RL 算法研究员（Research Scientist，大模型/研究部门）
| 维度 | 内容（综合多份公开 JD 的要点） |
|---|---|
| 职责 | ①探索新一代 RL 训练范式（对齐、推理增强、世界模型）；②将想法落地为可复现实验并撰写论文/技术报告；③与工程团队协作把新方法送进生产管线；④跟踪并复现前沿论文。 |
| 硬性要求 | 博士学历或硕士+顶会一作论文；扎实的数学功底（概率、优化、信息论）；精通 PyTorch/JAX；有大规模（百卡以上）训练经验；熟练阅读与复现论文。 |
| 加分项 | 有 RLHF/PPO 大规模实战；有推理模型（R1 风格）经验；有世界模型（DreamerV3、TD-MPC2）经验；发表过 NeurIPS/ICML/ICLR。 |
| 信号解读 | "博士或顶会论文"是硬门槛，没有论文基本进不了面试；面试大概率考数学基础与策略梯度推导，以及"这篇论文你怎么看"的批判性追问。 |
2. 岗位二：RL 算法工程师（Applied RL Engineer，互联网大厂/自动驾驶/游戏）
| 维度 | 内容（综合多份公开 JD 的要点） |
|---|---|
| 职责 | ①把业务问题建模为 MDP/bandit 并设计奖励；②基于 SB3/自研框架训练与调优（PPO/SAC/DQN）；③搭建评估体系，输出可复现的对比结论；④上线、监控、回滚，与产品/运营对齐目标。 |
| 硬性要求 | 硕士及以上，2-5 年算法经验；熟练掌握 PyTorch 与常见 RL 算法实现；有完整上线项目经历；懂基础数据结构与工程规范（代码评审、单元测试）。 |
| 加分项 | 有离线 RL或 bandit 实战；有大规模并行训练经验；有仿真器二次开发经验；对领域（游戏/交易/推荐）有深入理解。 |
| 信号解读 | 这类 JD 高频出现"有线上效果数据""深入理解业务"——面试官最怕只会跑 demo 的人。简历里必须有"环境-算法-指标-复现"四要素（见简历分析）。 |
3. 岗位三：大模型对齐工程师（LLM Alignment / RLHF Engineer）
| 维度 | 内容（综合多份公开 JD 的要点） |
|---|---|
| 职责 | ①构建 SFT/偏好数据流水线；②训练奖励模型（Bradley-Terry）并治理数据质量；③PPO/DPO 微调大模型，处理 KL 失控、奖励过优化；④搭建对齐评估集（帮助性/无害性/事实性）并持续监控。 |
| 硬性要求 | 硕士及以上；精通 PyTorch 与分布式训练（DeepSpeed/Megatron）；理解RLHF三阶段原理；有 7B 以上模型训练经验。 |
| 加分项 | 有 DPO 及其变体实战；有推理增强（RLVR、过程奖励）经验；有评测体系建设经验；读过 InstructGPT/DPO 原文。 |
| 信号解读 | 面试常问"为什么 PPO 里要有 KL 惩罚""奖励模型分数涨了模型为什么变差"这类对齐深挖题；同时会现场考分布式训练的工程细节。 |
4. 岗位四：机器人学习工程师（Robotics / Embodied AI）
| 维度 | 内容（综合多份公开 JD 的要点） |
|---|---|
| 职责 | ①在 MuJoCo/Isaac/Genesis 等仿真器里训练策略并迁移真机；②搭建遥操作与数据采集管线；③训练 VLA（视觉-语言-动作）模型或经典 RL 策略（SAC/PPO/梦游者类）；④处理 Sim2Real 差距（域随机化、系统辨识）。 |
| 硬性要求 | 硕士及以上；熟悉至少一个仿真器；熟练 PyTorch；有连续控制算法（SAC/PPO）实现经验；能独立 Debug 训练管线。 |
| 加分项 | 有真机部署经验；有 Isaac Lab / RoboMimic / Diffusion Policy 经验；有世界模型经验；会 C++/ROS。 |
| 信号解读 | "真机""迁移""数据效率"是高频词——面试会问Sim2Real的坑和样本效率问题；动手题常给一个"训练不收敛"的现场诊断。 |
5. 岗位五：推荐/广告/搜索策略算法（Decision Intelligence / Bandit）
| 维度 | 内容（综合多份公开 JD 的要点） |
|---|---|
| 职责 | ①用 contextual bandit / RL 优化排序、出价、流量分配；②设计与实施在线实验与探索策略（ε-greedy、UCB、TS）；③建设离线评估与回放系统；④与业务方定义长期指标（留存、GMV、时延）。 |
| 硬性要求 | 硕士及以上；扎实的统计与因果推断基础；熟练 Python/Spark；有推荐/广告/搜索任一方向经验；懂 A/B 测试方法。 |
| 加分项 | 有多臂老虎机或离线 RL实战；有大规模特征工程经验；理解延迟反馈与位置偏差。 |
| 信号解读 | 这类岗位不写"RL"也能招到人，但 RL/bandit 背景是明显加分。面试考探索-利用的工程化（如何控探索成本），会现场出业务建模题。 |
6. 岗位六：自动驾驶决策规划算法（Behavior / Motion Planning）
| 维度 | 内容（综合多份公开 JD 的要点） |
|---|---|
| 职责 | ①设计行为决策层（换道、汇入、让行）的规则+学习混合策略；②训练与评估闭环仿真中的决策策略；③处理安全约束与边界 case；④与规控、预测、仿真团队协作。 |
| 硬性要求 | 硕士及以上；懂规划与控制基础（MPC、采样规划）；熟悉仿真测试与回放；熟练 C++/Python。 |
| 加分项 | 有模仿学习+RL 混合经验；有约束 RL 或安全学习经验；有大规模仿真平台开发经验。 |
| 信号解读 | "安全""边界 case""闭环评估"是核心词；面试会考"RL 出错的后果谁来兜底"这类务实问题，也会问开环 vs 闭环评估的区别。 |
六类之外的说明
本页选这六类是因为它们在样本里出现频率最高。还有四类（仿真平台 Infra、决策优化/调度、量化执行、游戏 AI）在模块导读与岗位版图里讲了定位，JD 形态高度相似：平台类是"职责二/三"的放大，优化/量化类是"岗位五"的变体，游戏 AI 是"岗位二"加多智能体。
三、高频要求词频表
对抽样 JD 做词频统计后，把 RL 相关的硬技能词按出现频率排开。分三档：必现（>70% 的 JD 出现）、常现（40%-70%）、偶现（<40%）。
| 档位 | 技能词 | 出现的岗位类型 | 对应本站页面 |
|---|---|---|---|
| 必现 | PyTorch（或 JAX） | 全部 | framework-comparison |
| 必现 | 深度学习基础（CNN/Transformer、反向传播） | 全部 | what-is-rl 相关章节 |
| 必现 | 分布式/大规模训练 | 岗位 1/3/4 | build-your-own |
| 必现 | MDP / 贝尔曼方程 | 全部（基础题） | markov-decision-process |
| 必现 | 策略梯度 / PPO | 岗位 1/2/3/4 | policy-gradient |
| 常现 | RLHF / DPO / 奖励模型 | 岗位 1/3 | rlhf |
| 常现 | SAC / TD3 / 连续控制 | 岗位 2/4/6 | actor-critic |
| 常现 | 仿真器（MuJoCo/Isaac/Gymnasium） | 岗位 2/4/6 | datasets-tools |
| 常现 | 评估体系（seed、学习曲线、离线评估） | 岗位 2/3/5 | evaluation-in-practice |
| 常现 | 探索与利用（ε-greedy、UCB、TS） | 岗位 2/5 | exploration-exploitation |
| 常现 | 奖励设计 / reward hacking | 岗位 2/3/4 | reward-engineering |
| 偶现 | 离线 RL（CQL/IQL） | 岗位 2/5 | offline-rl |
| 偶现 | 多智能体（MARL） | 岗位 2/游戏 | multi-agent |
| 偶现 | 世界模型 / model-based | 岗位 1/4 | model-based |
| 偶现 | 多臂老虎机 / contextual bandit | 岗位 5 | bandits |
| 偶现 | 模仿学习 / 行为克隆 | 岗位 4/6 | rl-vs-other-paradigms |
词频 ≠ 权重
词频高只说明"大家爱写"，不代表面试权重。真正区分候选人的是常现+偶现档里"面试官会深挖的词"：PPO 的 clip 机制、SAC 的熵、RLHF 的 KL 惩罚、探索的工程成本——这些才是 面试题库 的高频考点。别在"读过 20 个算法名"上花时间，要在 4-5 个算法上能被追问三层的深度。
四、技能组合画像：理论 × 工程 × 业务
把六类岗位按三个轴的侧重画出来（分值 1-5，相对值）：
| 岗位 | 理论（算法/数学） | 工程（系统/并行/上线） | 业务（领域建模/指标） |
|---|---|---|---|
| 算法研究员 | 5 | 4 | 2 |
| RL 算法工程师 | 3 | 4 | 4 |
| 大模型对齐工程师 | 3 | 5 | 3 |
| 机器人学习工程师 | 4 | 4 | 3 |
| 推荐/广告策略 | 2 | 3 | 5 |
| 自动驾驶决策规划 | 3 | 4 | 4 |
读法：
- 没有岗位是三轴全 5 的——每个岗位都是"某一轴凸起"。面试官判断你合不合适，看的是你的凸起轴对不对得上岗位的凸起轴。
- 理论轴最低的岗位（推荐/广告）反而是 RL 背景最容易拿 offer 的：因为竞争者大多不懂 RL，你的多臂老虎机与离线 RL知识是稀缺信号。
- 工程轴全线不低于 3——这是 2026 年市场的普遍信号：RL 岗位对"能跑大规模训练、能上线、能复现"的要求已经超过对"懂多少算法"的要求。
五、给求职者的解读：从 JD 到行动
1. 拿到一份 JD，五分钟扫描法
text
第 1 分钟 硬门槛有没有踩线（学历/年限/必须框架）——不满足直接略过
第 2 分钟 职责动词归类：研发 / 落地 / 平台 → 判断岗位母体
第 3 分钟 划信号词（如 "PPO clip" "多 seed" "reward hacking" "Isaac"）
第 4 分钟 用上面词频表给 JD 的 RL 硬技能打分，确认与你最强轴是否重叠
第 5 分钟 决定：投 / 改简历后投 / 放弃（节省 3 小时）2. 常见的三个读 JD 误区
- 误区一：只看 title 不看职责。同一个"强化学习工程师"，在 A 团队是研究岗、在 B 团队是平台岗。按职责动词分类，比按 title 分类可靠。
- 误区二：把"加分项"当"硬门槛"。JD 的加分项常写满一整行（世界模型、R1、VLA 都要），实际面试官只期待你具备其中 1-2 项。硬门槛才是筛选器。
- 误区三：忽略"软性信号词"。"沟通协作能力强""快速学习"是套话，但"深入理解业务""对线上效果负责""ownership"这类词暗示团队真正在意什么——写在简历里对应的位置。
3. 读完 JD 之后的行动闭环
JD 拆解不是为了"看懂"，而是为了生成行动项：把 JD 里每一个 RL 技能词抄下来，交给 JD 知识点拆解 映射成页面与"会/不会"自评，产出补课清单。这条流水线的入口是模块导读与岗位版图锁定的目标岗位，出口是面试题库的自测清单——五页是一台机器，别只读其中一页。
延伸阅读
- 知识点拆解 —— 把本页拆出来的技能词映射成本站页面与个人补课清单。
- 学习路径：三条路线 —— 求职冲刺线以 career 模块为主线，安排 2 周节奏。
- 模块导读与岗位版图 —— 回到岗位全景与三维决策清单，确认目标岗位。
- 简历分析 —— JD 里最在意的"环境-算法-指标-复现"如何在简历中落地。
参考资料
- BOSS 直聘（国内实时岗位）：https://www.zhipin.com
- 拉勾招聘（互联网职位）：https://www.lagou.com
- 猎聘（中高端职位）：https://www.liepin.com
- LinkedIn Jobs（全球职位）：https://www.linkedin.com/jobs
- Glassdoor（岗位与公司评价）：https://www.glassdoor.com
- levels.fyi（海外薪酬总包参考）：https://www.levels.fyi
- OpenAI Careers：https://openai.com/careers
- DeepMind Careers：https://deepmind.google/about/careers/
- Anthropic Careers：https://www.anthropic.com/careers
- 字节跳动招聘：https://jobs.bytedance.com
- 腾讯招聘：https://careers.tencent.com
- 阿里巴巴招聘：https://talent.alibaba.com