返回岗位列表

强化学习后训练框架工程师

查看原岗位

地点：北京薪资：薪资未公开日期：2026-01-29

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推理、智能体等方向的文本与多模态强化学习后训练；与训练推理引擎方向的团队合作，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

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推理、智能体等方向的文本与多模态强化学习后训练
与训练推理引擎方向的团队合作，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

具备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等主流训练推理引擎有深入的了解
对大模型强化学习训练中的实际问题（如训练推理不一致、Rollout长尾等）有排查和解决经验
具备扎实的强化学习算法基础和实际强化学习训练经验

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
业界知名RL框架经验（如verl、roll、slime等） / 开源项目贡献者 / 顶会paper