供应商需具备以下能力：
1. 具有强化学习相关项目研究经验，具有良好的工程落地与平台化能力；
2. 熟悉主流强化学习算法如DQN、 PPO、 DDPG等，熟悉Pytorch、 Tensorflow机器学习框架；
3. 扎实的的Python编程能力；
4. 针对场景持续优化控制算法，以提升系统性能、产品稳定性和智能化水平例如解决样本效率低、探索不足、奖励稀疏等问题，结合离线强化学习或分层强化学习提升效果；
5. 具有跨技术融合能力，例如结合生成式AI（如GAN、Transformer）、大语言模型（LLM）与强化学习，开发多模态交互系统或自动化决策框架。
联系人：
技术：梁宇翮/15602191856/liangyuhe@catarc.ac.cn
商务：陈菁菁/15202283735/chenjingjing@catarc.ac.cn