自主中心-研究岗/工程技术岗-强化学习训练框架(J10488)

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/博士/博后，博士/博后优先；

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。