AMAZING RESUME
牛敬业
强化学习算法工程师
188****0000niu****@***.com北京30男强化学习算法工程师在职北京30k-40k •参与实验室“基于多智能体强化学习的自动驾驶协同”项目，负责仿真环境搭建与策略调优，成果投稿至NeurIPS Workshop。
•积极参加算法竞赛，获得ACM-ICPC亚洲区域赛银奖，强化了算法设计与高效实现能力。
•与同学发起强化学习游戏AI竞赛，组织校内workshop，推动技术交流与开源社区建设。
腾讯 - AI Lab 机器人研究组互联网大厂技术创新
2017.07-2020.12
•负责仓储机器人多智能体调度算法的研发，提出基于集中式训练分布式执行的协同框架，使分拣效率提升35%。
•参与自动驾驶仿真平台搭建，集成多种强化学习算法，通过百万级模拟将复杂交叉路口通行成功率提升至92%。
•定期组织内部算法研讨会，分享最新研究成果，带动团队在层级强化学习与模仿学习上的技术积累。
•跟踪行业前沿，撰写技术调研报告，预研离线强化学习与元学习方向，为部门技术路线规划提供参考。
高级强化学习算法工程师项目主导框架优化导师带教
北京
•主导游戏AI对手系统开发，融合强化学习与行为树，实现拟人化决策，使玩家留存率提升15%，贡献千万级收入。
•优化自研分布式训练框架，引入异步采样与优先级经验回放，将策略迭代周期缩短60%。
•与高校合作探索基于模型的强化学习，在游戏环境预训练中取得突破，合著论文被顶会接收。
•负责新员工培养计划，设计进阶课程与实战项目，帮助3名工程师快速成长为算法骨干。
•项目背景：为应对城市复杂路况下的无人配送车高效调度需求，利用强化学习优化动态路径与任务分配。
•- 设计基于注意力图神经网络与多智能体强化学习的融合模型，处理动态订单与实时交通状态。
•- 搭建高保真仿真环境，融入真实路网数据与交通流，支持大规模并行训练。
•- 实现实时决策引擎，支持动态加单与突发拥堵下的路线重规划。
•项目成果：配送准时率提升20%，单均成本下降18%，系统部署于多个试点城市，获得公司技术突破奖。
•项目背景：基于用户习惯与环境数据，运用强化学习优化空调运行策略，平衡舒适度与能耗。
•- 分析多维度用户行为与室内外环境数据，构建个性化热舒适度模型。
•- 采用强化学习算法，根据实时状态动态调整温度、风速与模式。
•- 开发云端控制测试平台，通过A/B测试验证算法效果。
•项目成果：用户满意度提升22%，平均能耗降低12%，成果已应用于多款高端空调产品。
对强化学习始终抱有探索热情，喜欢从马尔可夫决策过程中提炼优雅的决策逻辑，乐于在仿真与真实环境间反复调试，追求代码的可复现性与工程美感。做事严谨，习惯从数据中找答案，对奖励函数设计和训练不稳定等问题有天然敏感，能沉下心逐步拆解复杂场景。熟练使用 PyTorch 等框架，擅长将算法原型快速落地为可验证的管线，并注重模块化与可读性。习惯每周跟踪 arXiv 上新论文，保持用笔记和简单实验验证关键 idea 的节奏，学习迁移能力较强。希望与注重技术深度的团队一起，把强化学习推至更实际的业务闭环中。
RL框架（RLlib, Stable-Baselines3）
基于强化学习的慢性病自适应治疗策略设计:
研究背景：慢性病治疗方案需频繁动态调整，强化学习为个性化序贯决策提供了新范式。
研究内容：
- 利用患者纵向电子健康记录，构建包含生理指标、用药史的状态空间，动作空间为剂量调整，奖励依据糖化血红蛋白改善和低血糖事件。
- 实验对比SAC、QR-DQN等算法在2型糖尿病模拟器上的表现，评估策略鲁棒性和分布外泛化能力。
- 引入KL散度约束与策略蒸馏，确保策略在临床可接受范围内的安全性。
研究成果：形成完整技术报告，在学术沙龙中汇报，并开发原型演示，为产学研合作提供基础。
