强化学习基础设施实习生
岗位摘要
负责强化学习训练框架的研发、优化和维护，根据业务需求持续改进训练框架和策略，提升模型训练效率；分析和定位训练过程中的性能瓶颈，实施针对性优化措施，提升训练效率和稳定性；跟进业界最新技术进展，持续同步并集成最新训练优化策略
岗位职责
- 负责强化学习训练框架的研发、优化和维护，根据业务需求持续改进训练框架和策略，提升模型训练效率
- 分析和定位训练过程中的性能瓶颈，实施针对性优化措施，提升训练效率和稳定性
- 跟进业界最新技术进展，持续同步并集成最新训练优化策略
- 基于SGLang进行大模型推理引擎与服务侧开发，提升吞吐量、降低时延与成本，保障线上稳定性
- 支持强化学习训练相关的推理链路，包括rollout生成、打分/奖励模型推理等，优化训练闭环效率与资源利用
- 建设推理侧的监控与性能分析能力，参与线上问题定位与故障处理
- 与算法/训练团队协作，将模型与训练需求落地到可运行、可维护的推理系统，并输出必要的技术文档
任职要求
- 对自然语言处理、计算机视觉和多模态算法有深入理解，熟悉主流大语言模型架构，具备分布式训练经验
- 对常见强化学习训练算法有基本了解
- 熟悉vllm或sglang等常用开源推理框架者优先考虑
- 熟练使用Python或C++（至少一种），具备良好的工程能力与性能意识
- 熟悉GPU推理与常见深度学习框架（如PyTorch），了解分布式通信与并行基本概念（如NCCL等）
- 了解并使用过SGLang，或能快速上手并承担核心模块开发与调优
- 理解强化学习训练中推理侧的作用，能够与训练流程协同推进落地
- 具备线上系统排障能力，能通过日志/指标定位性能与稳定性问题
- 【加分项】有大模型推理系统、RLHF/RL推理链路或训练-推理协同经验
- 【加分项】有推理性能profiling、算子/运行时优化经验
- 【加分项】有MoE模型优化经验
- 学历要求：硕士及以上
加分项
- 有大模型推理系统、RLHF/RL 推理链路或训练
- 有推理性能profiling、算子/运行时优化经验
- 【智谱星计划】 我们在寻找和招募对科学研究、创新技术有热情和潜力的全球顶尖技术人才
- 如果你在学术、竞赛、工程实践任一方面有突出表现，如果你想与权威科学家、世界一流技术人才共同挑战突破性的前沿技术，引领人工智能创新变革，就来成为“智谱星”吧！
- 权威Mentor带教，飞速成长
- 极具竞争力的智谱星薪酬体系
- 探索技术边界、冲刺SOTA榜单
- 与全球最优秀的AI人才共事 【实习发展】
- 只以能力和成果为准绳：不预设固定转正名额，真正有实力、有产出的人，我们都希望你留下来
- 从 Day 0 进入核心：不是外围支持角色，从一开始就有机会参与核心项目、解决真正重要的问题
- 长期培养共行：期待不低于12个月的深度参与，相比“镀金”履历，我们更希望看到真正成长与长期可能
- Think Big
- Deliver Solid
- Scale Stable 让全人类享受普惠智能
- 张先生 刚刚活跃
福利待遇
- 极具竞争力的薪酬体系，日薪700-1400元
- 权威Mentor带教，助力快速成长
- 从入职第一天即参与核心项目，解决真正重要的问题
- 不预设固定转正名额，真正有实力、有产出者均有机会留用
- 期待不低于12个月的深度参与，注重长期培养与发展
- 有机会探索技术边界、冲刺SOTA榜单
- 与全球最优秀的AI人才共事
工作地址
北京海淀区智谱华章科技有限公司