强化学习训练框架研发工程师

职位描述

1. 负责设计和开发高性能的强化学习训练框架，支持大规模并行、分布式训练任务。

2. 优化现有RL算法的执行效率，包括异步执行、批量采样、分布式推理、并行训练等。

3. 与算法团队紧密合作，提供接口友好、易扩展的算法集成能力。

4. 支持多种后端（如PyTorch、Megatron-LM、vLLM、SGLang）和硬件平台（GPU、国产芯片加速器）。

5. 参与工具链和平台建设，包括调试工具、可视化、checkpoint管理等基础设施。

任职要求

1. 计算机、人工智能、电子工程等相关专业硕士及以上学历，或同等工程经验。

2. 扎实的编程能力，精通Python，熟悉C++或CUDA优先。

3. 理解强化学习训练流程，了解常见的RL算法（如PPO、GRPO等）。

4. 有分布式系统开发经验，熟悉Megatron-LM、vLLM、RPC、Actor-Critic架构、参数服务器中的一到两项。

5. 良好的系统设计能力与团队协作精神，具备工程落地思维。