强化学习训练工程师

岗位描述：参与强化学习框架在国产芯片上的适配开发与优化；参与强化学习及其框架开源社区的推动和发展；参与基于国产芯片的强化学习相关项目落地与交付；跟踪前沿论文与开源方案，推动新方法在业务场景中落地。 岗位要求：具备扎实的机器学习、深度学习基础，理解策略梯度、Actor-Critic、价值函数等核心概念；熟练使用PyTorch，有RL或LLM训练的实际项目经验；熟悉至少一种强化学习框架，如Verl、Slime、Roll、AReal等；具备良好的工程能力与代码规范，能够独立排查训练问题；有大模型RLHF/RLAIF全流程落地经验者优先；熟悉分布式训练框架DeepSpeed、Megatron-LM、FSDP、Ray者优先；有Agent、工具调用、多步推理的RL训练经验者优先；在NeurIPS、ICML、ICLR等顶会发表过论文者优先；有强化学习开源社区贡献者优先。