RL infra 多城市 多级别 高现金

内部强化学习后训练框架的维护与迭代，支撑万亿参数大模型在推理、智能体场景下的文本及多模态强化学习后训练工作。需协同训练推理引擎团队，结合算法、框架与硬件开展协同优化，持续提升大规模强化学习训练的稳定性与运行效率。 任职者需具备扎实的算法功底与工程落地能力，熟练使用Python、PyTorch及各类性能调优工具。要求深入理解Megatron-LM、vLLM等主流训推引擎，能够排查并解决训推不一致、Rollout长尾等大模型RL训练常见问题，同时掌握强化学习理论，拥有相关实战训练经验。拥有vLLM、VeRL等开源框架贡献经历，或是在强化学习稳定性、规模化训练、长尾问题优化等方向发表顶会论文者，将予以优先考虑