强化学习系统研发工程师

工作职责
1. 负责维护和开发内部强化学习后训练（Post-training）框架，支持 Reasoning、Agentic 等方向的文本及多模态 RL 训练；

2. 探索算法、框架、硬件的协同设计，提升大规模 RL 训练的稳定性和效率；

3. 解决大模型 RL 中的实际工程痛点，如训推不一致、Rollout 阶段的长尾延迟等问题。

4. 解决Agentic RL中的痛点问题，如Agent trajectory 收集、回放，Agent 长周期任务的上下文压缩与摘要等。

工作要求
1. 扎实的工程算法基础，熟练掌握 PyTorch 及性能调试工具；

2. 深入了解 Megatron、DeepSpeed、SGLang、vLLM 等主流训推引擎；

3. 具备扎实的 RL 算法基础（PPO/DPO/GRPO等）与实际大规模训练经验；

4. 加分项：为 Slime、VeRL、OpenRLHF 等开源框架提交过重要 PR；或在 RL 稳定性、环境工程等方向发表过顶会论文。