大模型后训练系统工程师（RL框架）
岗位摘要
负责大规模强化学习框架的设计、开发及性能优化，持续提升训练吞吐和资源利用率；负责Rollout、训练、推理等核心链路的优化，提升多阶段协同效率；面向下一代长程任务训练，优化长上下文、多轮交互、异步训练等系统能力
岗位职责
- 负责大规模强化学习框架的设计、开发及性能优化，持续提升训练吞吐和资源利用率
- 负责Rollout、训练、推理等核心链路的优化，提升多阶段协同效率
- 面向下一代长程任务训练，优化长上下文、多轮交互、异步训练等系统能力
- 负责大规模强化学习训练的稳定性建设，提升容错、问题定位及恢复效率
- 参与PPO、GRPO等强化学习算法的工程化，与算法团队开展算法与工程的协同设计
- 提升强化学习系统的可观测性，支持训练过程中的细粒度指标、数据流转、任务状态及生命周期追溯
任职要求
- 熟悉PyTorch分布式训练原理，熟悉Megatron、FSDP、DeepSpeed等训练框架者优先
- 熟悉PPO原理及相关强化学习算法，理解GRPO、DPO等后训练方法
- 熟悉verl、slime等强化学习框架者优先，有大规模强化学习系统开发或优化经验更佳
- 熟悉训练与推理协同、Rollout、异步调度、资源管理等系统问题
- 熟悉性能分析、问题排查相关工具，具备独立定位复杂训练问题的能力
- 熟悉AI Coding，有使用或建设代码助手、自动化研发工具、Coding Agent的经验
工作地址
北京海淀区大恒科技大厦12F