岗位职责

负责千卡以上大规模混合模态大模型强化学习训练框架建设，调研和实现业界先进的强化学习方法，并探索算法工程结合的训练方法创新设计，实现模型性能和训练效率的双提升；
打通复杂工具调用场景的高性能推理与Agent训练系统，攻克长程数据训练中的训练效率、训推一致性等难点，显著提升千问模型基于多种阿里生态工具（如闪购、飞猪等）的用户真实任务解决率；
参与奖励系统、工具系统交互的设计与研发，打造高效率的可持续扩展架构；并通过线上链路的联合设计保障模型训练效果的对齐，保障模型在事实性、复杂任务规划解决等方面的能力提点可以落地千问App。

职位要求

1年及以上大模型训练工程经验，有扎实的深度学习算法基础，精通各类大模型常用训练框架，熟练掌握各种编译、调试、性能分析工具；
熟悉强化学习算法PPO、DPO、GRPO、DAPO等以及相应的高效工程实现，有大模型强化学习工程支持经验和效果优化经验；
精通ray分布式计算框架开发实现，掌握一种或多种分布式训练框架（verl、slime、areal、openRLHF、roll）详细系统实现，并具备二次开发能力；
熟练掌握开源大模型训练框架（megatron、fsdp）、推理框架（vllm、sglang），具备大模型训练、推理性能分析和优化能力；
有大规模强化学习算法和工程结合的训练效率优化经验（尤其是agentic训练），或大规模分布式强化学习系统开发应用经验者优先。加分项：
有强化学习算法调优经验者优先；
有强化学习方向顶会论文经验者优先；
如果有训练引擎、推理引擎开发经验优先。