返回岗位列表

大模型RL Infra研究工程师

查看原岗位

地点：北京薪资：55-85K 日期：2026-03-03

岗位摘要

维护和开发Moonshot内部的强化学习后训练框架；支持万亿参数模型在reasoning、agentic等方向的文本及多模态RL后训练；与训练推理引擎团队合作，探索算法、框架、硬件的协同设计

岗位职责

维护和开发Moonshot内部的强化学习后训练框架
支持万亿参数模型在reasoning、agentic等方向的文本及多模态RL后训练
与训练推理引擎团队合作，探索算法、框架、硬件的协同设计
提升大规模强化学习训练的稳定性和效率

任职要求

有扎实的工程算法基础和工程实现能力
熟悉Python等编程语言
熟练掌握Pytorch等深度学习框架和常见性能调试/分析工具
对Megatron-LM/vLLM等主流训推引擎有深入了解
对大模型RL训练中的实际问题（如训推不一致、Rollout长尾等）排查和解决有经验
有扎实的强化学习算法基础和实际RL训练经验
硕士及以上学历

加分项

有出色的开源项目经历（如为vLLM、VeRL等框架提交过重要PR）、对口的顶会发表者（如RL稳定性、环境scaling、长尾问题解决等Paper）优先
目标画像：业界知名RL框架团队（如verl、roll、slime等） > 开源项目贡献者 > 顶会paper > 其他
宋女士本周活跃

福利待遇

月薪55-85K，16薪
业界知名AI公司发展平台
参与万亿参数大模型核心技术研发

工作地址

北京海淀区京东科技大厦13F