强化学习infra训练框架实习生

工作职责:
1、参与强化学习训练框架的研发与性能优化，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；
工作要求:
1、本科及以上学历，计算机相关专业；
2、熟悉 Python/C++ 中至少一种编程语言，具备扎实的工程基础；
3、了解自然语言处理、计算机视觉或多模态算法，了解主流的 DiT（Diffusion Transformer） 与 VLM（Vision-Language Model） 模型架构；
4、了解常见强化学习训练算法（如 GRPO、DAPO 等）及训练框架（如 verl），了解异步强化学习范式；
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。