[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

# 多智能体强化学习驱动的物流决策系统研发

北京市-北京市 Internship or early career 

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=8978)

[OpenNash Jobs](https://jobs.opennash.com/) / [JD.com](https://jobs.opennash.com/companies/jd/) / 多智能体强化学习驱动的物流决策系统研发

## Job description

工作职责

### 负责构建智能仓储、物流、制造业垂直领域的数据驱动仿真引擎（World Model）
- 利用海量IoT数据、AGV运行轨迹数据、边缘PDA交互数据，训练高保真的时序预测模型。

### 开展基于大模型及代理式AI驱动提效的强化学习
- 搭建分布式RL框架，驱动全局调度Agent与边缘端交互Agent进行百万次并发训练与策略寻优。

### 解决人机协同场景的建模难题
- 量化并模拟一线作业员（通过PDA）的随机性与干预，纳入智能体训练闭环。
- 主导Sim-to-Real（虚实迁移）架构设计，确保虚拟策略安全落地至真实仓储与产线系统中。 任职要求
- 机器学习或人工智能等相关领域的本硕博在校生。
- 精通强化学习（RL/MARL）与环境建模理论，具备数据驱动仿真或基于模型的强化学习（MBRL）落地经验。
- 熟悉供应链运筹学或仓储物流场景，能熟练将复杂业务约束转化为MDP状态空间。
- 熟练掌握主流大规模强化学习框架，具备构建高并发仿真器的工程经验，对工业场景的物理边界有深刻理解。
- 在国际顶级学术会议（如ICML、NeurIPS、ICLR等）发表过相关论文者优先。

## 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
- Employment type: Internship or early career[Apply on JD.com’s careers site →](https://campus.jd.com/#/details?id=8978)

## 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/)