Agentic RL Infra 工程师 / 强化学习基础设施工程师

岗位职责

1. 设计与实现大规模 Agentic RL训练系统；
2. 设计Agentic RL数据系统，构建支持百万级trajectory生成与消费的高吞吐数据流水线；
3. 建立完善的可观测性与系统调度能力，推动训练稳定性与系统鲁棒性建设；
4. 构建下一代Agent及环境执行系统，支持复杂Agent任务的大规模训练与评估；
5. 构建Environment Runtime / Sandbox系统，实现高并发、低延迟、安全隔离执行；
6. 支持多智能体协同与长时间运行任务，推动Agent系统向持续学习与自我进化系统演进；
7. 推理与训练一体化优化：构建高性能推理系统，优化多轮交互与长上下文场景下的吞吐与延迟；优化大模型RL流程中的训练性能。

1. 扎实的计算机基础（操作系统 / 网络 / 分布式系统），具备系统级工程能力；
2. 精通 Python / C++，具备高性能系统开发经验（多线程 / 异步 / CUDA优先）；
3. 熟悉主流深度学习框架（如 PyTorch / JAX），理解模型训练与推理流程；
4. 具备分布式系统或大规模训练经验，理解：通信原语（AllReduce / ReduceScatter / AllGather）、并行策略（DP / TP / PP 等）；
5. 具备系统性能优化能力，能够分析并解决：GPU利用率瓶颈、通信瓶颈、数据流水线瓶颈；
6. 具备复杂系统调试能力，能够定位训练不稳定与性能异常问题；
7. 自驱力强，对RL系统、Agent系统及大规模基础设施有强烈兴趣。 加分项 加分项(满足部分即可)
8. 深入理解强化学习算法（如 PPO / GRPO / DAPO / RLHF / Agentic RL），并具备工程化经验；
9. 熟悉强化学习训练框架（如 veRL / OpenRLHF / AReal / ROLL / Slime）；
10. 具备大规模训练经验，熟悉 Megatron / DeepSpeed / FSDP / veScale，混合并行与大模型训练优化；
11. 熟悉推理系统（如 vLLM / SGLang / TensorRT-LLM）；
12. 有GPU性能优化经验（CUDA / NCCL / Tensor Core / FP8）；
13. 熟悉Agent系统关键组件；有Sandbox或执行环境经验（Docker / VM / Browser automation）；
14. 有RL训练稳定性调优经验（KL / entropy / reward / variance）。