岗位职责
- 负责改进RL训练系统，包括基于Ray的RL Trainer功能拓展、Rollout/采样策略探索、Reward系统集成、Agent Loop复杂任务下轨迹管理等；
- 负责大模型SFT/RL训练性能和稳定性优化，支持Reasoning，Agent，VLM等各类Post-Training任务；
- 探索前沿大模型算法和训练技术，包括Off-Policy RL训练效果和效率、SRFT、OnPolicy Distillation等。
职位要求
- 计算机相关专业本科及以上学历，具有一年及以上大模型算法工作经验，算法与工程能力兼备者优先；
- 熟悉大模型强化学习系统，有OpenRLHF、VeRL使用和开发经验者优先；
- 深入理解Post-Training全流程与核心算法，包括但不限于DPO，PPO，GRPO，Reward Modeling等；
- 熟悉大规模分布式训练框架和分布式并行概念，如PyTorch FSDP2的原理与应用、DeviceMesh抽象、DTensor语义等；
- 掌握高性能推理引擎（如vLLM，SGLang）的原理与优化方法（如Continuous Batching，PagedAttention，Prefix Caching）等；
- 熟练掌握Python，至少熟练使用一种编译型语言（C/C++/Rust/Golang/Java等），拥有扎实的数据结构与算法功底，代码风格规范且高效；出色的分析和解决问题的能力；具备良好的自驱力和沟通协作能力，能和团队一起探索新技术，推动技术进步。
