强化学习训练工程师

任职要求：

1. 扎实的机器学习/深度学习基础，理解策略梯度、Actor-Critic、价值函数等核心概念；

2. 熟练使用 PyTorch，有 RL 或 LLM 训练的实际项目经验；

3. 熟悉至少一种 RL框架：Verl、Slime、Roll、AReal等；

4. 良好的工程能力与代码规范，能独立排查训练问题。

岗位职责

1. 参与强化学习框架在国产芯片的适配开发及优化；

2. 参与强化学习及其框架开源社区的推动和发展；

3. 参与基于国产芯片的强化学习相关项目的落地和交付；

4. 跟踪前沿论文与开源方案，推动新方法在业务场景落地。

加分项

1. 有大模型 RLHF/RLAIF 全流程落地经验；

2. 熟悉分布式训练框架：DeepSpeed、Megatron-LM、FSDP、Ray；

3. 有 Agent / 工具调用 / 多步推理 的 RL 训练经验；

4. 在 NeurIPS、ICML、ICLR 等顶会发表过论文；

5. 有强化学习开源社区相关贡献者优先。