返回岗位列表

强化学习Infra负责人

查看原岗位

地点：北京薪资：65-95K 日期：2026-03-03

岗位摘要

负责强化学习训练平台的整体架构设计与技术规划，主导Infra方案的落地实施；搭建并优化RLHF/RL训练基础设施，确保强化学习训练的高效稳定进行；主导强化学习框架的选型、优化与定制开发，持续提升训练效率和模型性能

岗位职责

负责强化学习训练平台的整体架构设计与技术规划，主导Infra方案的落地实施
搭建并优化RLHF/RL训练基础设施，确保强化学习训练的高效稳定进行
主导强化学习框架的选型、优化与定制开发，持续提升训练效率和模型性能
带领团队解决强化学习训练中的系统瓶颈，优化Actor-Critic调度、Rollout效率等核心环节
与算法团队紧密协作，推动强化学习工程化体系建设

任职要求

本科及以上学历，计算机、软件工程等相关专业，有大规模RLHF项目落地经验
深入理解强化学习算法原理，熟悉PPO、DPO、GRPO等主流RLHF算法
精通至少一种主流RLHF框架，如VeRL、Miles、AReal等，有框架二次开发经验
熟悉分布式训练与推理原理，了解vLLM、SGLang等推理框架
熟悉集群资源管理、调度系统、监控与CI/CD等Infra体系
具备较强的技术视野和团队管理能力，能够带领团队攻克技术难题
有开源社区贡献或技术影响力者优先

加分项

有开源社区贡献或技术影响力
薛明畅刚刚活跃

工作地址

北京海淀区科建大厦301