岗位职责
-研发高可扩展的分离式强化学习训练框架，实现训练、推理、环境、奖励的解耦与高效协同，提升 RL Scaling 效率 -优化全异步 RL 训练范式，攻坚推理调度、动态批处理、KV Cache 复用等性能瓶颈，与 vLLM / SGLang 等推理栈深度对接 -深度参与算法 + 工程联合优化，解决异步训练稳定性、训推一致性、长序列与稀疏奖励等核心问题，探索 On-Policy Distillation 等新训练范式 -构建超大规模后训练平台，实现细粒度容错、断点续训、动态扩缩容、无感故障恢复，保障超大规模训练任务稳定运行 -基于 K8s / Ray 设计大规模异构资源调度体系，结合 Mooncake 等技术构建分布式 KV Cache 池化与高速传输能力，持续提升训练有效率与资源利用率 -研发全流程可观测性体系，构建算法指标、系统指标、轨迹质量监控一体化平台，探索 AI Agent 驱动的自动化实验与自迭代实验平台
职位要求
-本科及以上学历，计算机、软件工程、人工智能等相关专业 -扎实的工程基础，熟练掌握 Python / Go / C++ 中至少一种，有PyTorch / DeepSpeed / Megatron / MSSwift 等框架使用经验 -了解分布式训练、并行策略或大规模系统调度中至少一个领域 -对强化学习算法原理有基本理解，或有相关实践经验者优先 -自驱力强，敢于攻坚复杂系统问题，对算法前沿保持真实的好奇心 -有以下经验者优先：veRL / Slime 等 RL 框架使用或贡献、vLLM / SGLang 等推理引擎优化、K8s / Ray 等调度系统研发、Reasoning RL / Agentic RL 训练实战、开源贡献或顶会论文（OSDI / SOSP / NSDI / MLSys / NeurIPS / ICML / ICLR 等）
