bilibili-多模态强化学习训练框架工程师

职位描述

工作职责:

1. 负责强化学习训练框架的架构设计、研发与性能优化，根据业务需求持续演进训练策略与系统能力，提升大规模模型训练效率。

2. 深度分析与定位训练系统中的性能瓶颈（包括计算、通信、存储等），实施针对性优化，提升训练吞吐、稳定性与可扩展性。

3. 持续跟踪并集成业界前沿的训练优化技术（如 MoE、异步RL、LoRA RL、Agentic RL 等）。

工作要求:

1. 本科及以上学历，计算机相关专业，2年以上工作经验。

2. 熟悉 Python/C++ 中至少一种编程语言，具备扎实的工程基础。

3. 深入理解自然语言处理、计算机视觉或多模态算法，熟悉主流的 DiT（Diffusion Transformer） 与 VLM（Vision-Language Model） 模型架构，具备分布式训练（如 FSDP、DeepSpeed、Megatron 等）实战经验。

4. 熟悉常见强化学习训练算法（如 GRPO、DAPO 等）及训练框架（如 verl），熟悉异步强化学习范式。

5. 有相关领域开源项目贡献经验者优先。

6. 具备大规模训练实操经验者优先。