岗位职责
- 参与强化学习框架底座研发，面向生成理解统一与 Diffusion 场景下的 Agentic RL，提供高吞吐、易用、可扩展的训练与推理能力；
- 针对 Agentic RL / Diffusion Agentic RL 做训推一体化优化，重点保障训推一致性，并推进 Flow GRPO、Refl 等算法在框架侧的高效落地；
- 优化推理侧长尾问题，深入 KV Cache 管理、调度与资源复用等路径，持续提升在线与离线推理稳定性与效率；
- 调研并落地业界最新 RL / 训推技术与性能工具，完成与训练、推理、分布式等框架的对接与集成。
职位要求
- 具备良好的团队协作能力，热爱钻研技术，善于分析并解决复杂工程问题；
- 有深度学习与强化学习基础，熟悉 Transformer / GPT 等模型结构，了解 RLHF / Agentic RL 相关范式更佳；
- 对开源强化学习框架（如 veRL Omni、slime 等）有深入了解，有二次开发或性能优化经验者优先；
- 对推理框架（如 vLLM、SGLang 等）有较深入了解，熟悉 KV Cache、调度与长尾优化相关实践；
- 对训练框架（如 TorchTitan、Megatron 等）有较深入了解，具备分布式训练或 HPC 基础；
- 对分布式框架（如 Ray 等）有较多了解，熟悉集合通信更佳；了解 CUDA 编程者优先。
