岗位职责
- 设计和优化面向 Agent 训练的分布式 RL 训练系统，包括训练-推理统一调度、大规模 rollout 生成加速、长轨迹高效训练、异步奖励计算流水线等；基于 verl/Slime/RLInf 等开源框架进行系统级创新，结合 SGLang/vLLM 等推理引擎提升 Agentic RL 训练效率；
- 探索面向多步 Agent 任务的 RL 算法创新，包括长程信用分配方法、过程奖励建模、探索策略设计、GRPO/PPO 在 Agent 场景的改进、多智能体 RL 训练方法等；结合算法创新提升 Agent 的任务完成率、泛化能力和安全性；
- 构建可大规模并行的 Agent 训练环境基础设施，支持代码执行、Web 交互、API 调用等多种环境类型；设计和实现面向 Agentic RL 的评测体系和 benchmark 工具；
- 将 Agentic RL 训练的核心技术沉淀为 PAI 的产品能力，支持云上客户训练和部署领域 Agent，形成端到端的 Agent 训练平台；
- 有一定的技术前瞻性，可以对平台演进中的技术需求（如多智能体协作训练、Agent 安全对齐等）进行预研和设计，满足 AI 基础设施快速发展过程中各项业务场景的客户需求。
职位要求
- 具备扎实的计算机基础知识和分布式系统研发经验，Python/C++ 编程能力强，并对操作系统原理、计算机网络等系统领域知识有较好的理解和项目应用经验。
- 对强化学习理论和算法有深入理解，熟悉 PPO、GRPO、REINFORCE 等算法，了解 LLM 训练和微调的基本流程（SFT、RLHF、DPO、OPD 等）。
- 具有较强的学习能力、复杂问题归纳梳理能力、沟通和团队协作能力，具备能够深度钻研技术的耐心。
- 有很强的学术研究能力和优秀的学术成果（AI/ML/Systems 领域顶会/顶刊论文），有以下方向的研究经验者尤为优先：强化学习、大模型训练/推理系统、LLM Agent、分布式系统。
- 熟悉 PyTorch 及相关训练生态（DeepSpeed、Megatron-LM、FSDP 等），有大模型训练或 RL 训练实战经验者优先。熟悉 verl、Slime、RLInf 等 RL 训练框架或 vLLM、SGLang 等推理引擎者优先。
