强化学习系统研发工程师

Job description

Responsibilities

• 负责维护和开发内部强化学习后训练（Post-training）框架，支持 Reasoning、Agentic 等方向的文本及多模态 RL 训练；
• 探索算法、框架、硬件的协同设计，提升大规模 RL 训练的稳定性和效率；
• 解决大模型 RL 中的实际工程痛点，如训推不一致、Rollout 阶段的长尾延迟等问题。
• 解决Agentic RL中的痛点问题，如Agent trajectory 收集、回放，Agent 长周期任务的上下文压缩与摘要等。

Requirements

• 扎实的工程算法基础，熟练掌握 PyTorch 及性能调试工具；
• 深入了解 Megatron、DeepSpeed、SGLang、vLLM 等主流训推引擎；
• 具备扎实的 RL 算法基础（PPO/DPO/GRPO等）与实际大规模训练经验；

加分项

• 为 Slime、VeRL、OpenRLHF 等开源框架提交过重要 PR；或在 RL 稳定性、环境工程等方向发表过顶会论文。