[Skip to main content](#main-content)

[OpenNash Jobs](https://jobs.opennash.com/)
[Hiring report](/reports/hiring/) · [All JD.com jobs](https://jobs.opennash.com/companies/jd/) · [Search jobs](/search/)

JD.com · 北京市-北京市

# 大模型与强化学习驱动的库存调度优化研究

北京市-北京市 

Listed on JD.com’s official careers site. Posted July 20, 2026. Check that it is still open and apply there.
[Apply on JD.com’s careers site →](https://campus.jd.com/#/details?id=8652)

[OpenNash Jobs](https://jobs.opennash.com/) / [JD.com](https://jobs.opennash.com/companies/jd/) / 大模型与强化学习驱动的库存调度优化研究

## Job description

工作职责
- 研发基于大模型的仓储订单预测模型，结合强化学习实现库存优化；
- 开发大模型驱动的设备调度系统，提升集群与单体调度精度效率；
- 研究LLM-as-a-Judge自动化评测机制，建立人机协同优化体系；
- 结合运营数据持续优化算法模型，实现多源异构混合AGV协同调度。 任职要求
- 获得本科及以上学历，计算机科学、人工智能、数学、运筹学、物流工程或相关专业；
- 具备扎实的机器学习与强化学习理论基础，熟悉大模型（LLM）微调及相关建模工具，有仓储订单预测或动态库存调度优化相关的实战背景；
- 熟悉LLM-as-a-Judge自动化评测机制及人机协同优化体系，具备大模型驱动的物流设备调度系统研发经验，能够解决多源异构混合AGV的高效协同调度难题；
- 熟练掌握Python编程及主流深度学习框架（如PyTorch、TensorFlow），掌握传统优化算法与AI结合的方法，具备优秀的业务问题抽象与算法迭代能力；
- 在NLP、CV、机器学习或运筹学等领域顶级会议或期刊（如NeurIPS、ICML、ICLR、KDD等）有高质量论文发表记录。

## At a glance
- Posted by the employer: Jul 20, 2026
- First seen by OpenNash: Oct 19, 2026
- Last checked: Oct 19, 2026
- Listed for: 91 days
- Location: 北京市-北京市[Apply on JD.com’s careers site →](https://campus.jd.com/#/details?id=8652)

## More jobs at JD.com

### [3D医疗影像多模态基础大模型研究](https://jobs.opennash.com/companies/jd/jobs/31cea141d3ff4222fc49/)

北京市-北京市

### [3D可控生成与空间智能多模态研究](https://jobs.opennash.com/companies/jd/jobs/9264cfdaab33cfb45f96/)

北京市-北京市

### [AI多模态存储与向量化计算探索研究](https://jobs.opennash.com/companies/jd/jobs/e91a2f3f9d7be9a91867/)

北京市-北京市

### [CodeAI代码大模型全链路与推理优化](https://jobs.opennash.com/companies/jd/jobs/234f9df632b03e4bec55/)

北京市-北京市

OpenNash lists jobs from employers’ own careers sites and does not handle applications.
Dates come from the employer where stated; “first seen” and “last checked” are our own observations.

OpenNash Jobs · Official listings with dates and links to the employer. [Weekly hiring report](/reports/hiring/) · [Methodology](/methodology/)