强化学习框架研发实习生-【可灵】

Job description

• 参与大模型强化学习框架（RL Infra）的研发与优化，面向多模态理解、图像/视频生成及生成理解统一模型，建设高性能、易用、可扩展的 RL 基础设施；
• 参与多模态理解、Agentic RL、Diffusion RL 等场景的框架开发与性能优化，涉及训练、推理、Rollout、训推一致性等核心链路；
• 跟进强化学习领域前沿算法与系统技术，参与 Flow GRPO、ReFL、OPD 等算法和新型 RL 训练范式的工程实现与优化。
• 计算机、人工智能等相关专业本科及以上在读，具备良好的编程基础和工程实践能力，熟悉 Python，有 PyTorch 使用经验；
• 具备深度学习基础，了解 Transformer / GPT 等模型架构，对强化学习、RLHF、Agentic RL 或 Diffusion RL 有一定了解和兴趣；
• 对大模型训练、推理或强化学习系统有较强兴趣；使用或研究过 veRL / veRL Omni、Slime、ROLL、vLLM、SGLang、FSDP、Megatron、TorchTitan 等开源项目者优先；
• 有分布式训练、Ray、集合通信、CUDA / GPU 性能优化等相关学习或实践经验者优先；
• 有较强的学习能力和技术热情，乐于钻研和解决复杂工程问题；有大模型、强化学习、多模态或图像视频生成相关项目、论文或开源贡献者优先；
• 能保证较稳定的实习时间，实习 3 个月及以上，能够长期实习者优先。