后训练基础设施开发工程师
岗位摘要
负责Agentic RL训练基础设施建设，覆盖Sandbox、Environment Runtime、Scaffold、多阶段RL Workflow、Eval与Replay等核心链路
岗位职责
- 负责Agentic RL训练基础设施建设，覆盖Sandbox、Environment Runtime、Scaffold、多阶段RL Workflow、Eval与Replay等核心链路
- 支持大规模Environment生产、数据回流与训练闭环，持续优化系统稳定性、吞吐与可扩展性
- 与算法、数据、Infra团队深度协同，推动复杂Agent任务训练体系工程化落地
任职要求
- 具备扎实的工程能力，熟悉Python、Go等至少一种语言
- 理解RLHF、Agentic RL、Tool Use、Environment、Replay等核心机制
- 有后训练、Agent、Sandbox或大规模数据循环相关经验者优先
- 既能理解算法需求，也能抽象通用系统能力，推动训练基础设施持续演进
工作地址
北京海淀区大恒科技大厦12层