大模型后训练系统工程师

岗位描述：负责大模型后训练相关系统建设，包括但不限于训练/推理引擎效率优化、大规模RL训练效率优化、系统稳定性优化、算法与工程协同设计，以及前沿方向的自动化研究等。具体包括：构建基础训练/推理引擎，保障精度并进行效率优化；推进低精度训练与推理效率优化以及训推一致性建设；设计和优化大规模RL框架，面向下一代长程任务训练进行深度优化；开展稳定性建设，提升大规模训练过程中的容错定位与恢复效率；通过算法/工程co-design共同优化系统易用性并提升算法效果；提升系统可观测性，支持细粒度指标建设和生命周期追溯管理。 岗位要求：熟悉PyTorch分布式训练/推理原理，熟悉Megatron/FSDP、vLLM/Sglang者优先；熟悉PPO原理及各类变种RL算法，熟悉verl、slime等框架者优先；熟悉性能分析、问题排查相关工具，具备独立定位并解决复杂问题的能力；熟悉AI Coding，具备使用或建设代码助手、自动化研发工具、Coding Agent的经验。