岗位职责
负责面向大模型 Agent 的强化学习基础设施建设，支撑 Coding Agent、Research Agent 等复杂智能体的大规模训练和快速迭代。
- 熟悉 slime、veRL 等框架，建设高性能、可扩展的 Agentic RL 训练系统；
- 设计优化同步、异步架构，解决长尾 Rollout 优化 Colocate、训推分离或混合部署方案；
- 支持 Claude Code 类黑盒 Agent 的 RL 训练，包括多轮模型调用、工具交互、轨迹采集与还原、Action Mask、Logprob 对齐；
- 优化训推一致性和异步policy问题，建立 Policy Version 等机制，实践 R
- Staleness control、样本过滤等方案；
- 建设训练端到推理端的 Policy 参数同步能力，包括权重转换、分发、重分片、版本管理及原子切换；
- 定位并优化任务调度、资源利用率和训练稳定性问题。持续优化多机多卡训练的性能、稳定性、容错能力和可观测性。
职位要求
- 具备 slime、veRL、OpenRLHF、TRL 或其他成熟 LLM RL 框架的实际使用、二次开发或核心模块建设经验；
- 理解 PPO、GRPO、GSPO 等大模型强化学习算法，熟悉 On-policy、Off-policy、Importance Sampling 和 Policy Staleness 等概念；
- 深入理解同步与异步 RL 的执行原理，能够分析 Fully Async、Colocate 与训推分离在吞吐、通信和稳定性上的权衡；
- 熟悉 Agentic Rollout，理解多轮交互、工具调用、长轨迹、环境反馈及黑盒 Agent 的训练数据构造方法；
- 理解训练与推理一致性问题，熟悉 Policy 参数同步、版本控制以及 MoE Router 一致性等机制；
- 熟练掌握 Python 和 PyTorch，熟悉 Megatron-LM、FSDP、Ray 等分布式训练或调度技术中的一种或多种；
- 具备良好的系统设计、性能分析和复杂问题排查能力。 【加分项】
- 熟悉 SGLang、vLLM、TensorRT-LLM 等推理引擎；
- 有 Coding Agent、Search Agent 或其他长链路 Agent 的 RL 训练经验；
- 有 MoE、R
- 异步 RL Staleness Control 或大规模 Policy Weight Sync 的实践经验；
- 有大规模 GPU 集群、RDMA/NCCL 通信、任务调度或生产级 RL 平台建设经验。
