研究型实习生-强化学习训练框架优化

岗位描述
1、负责构建和优化面向大语言模型强化学习（RLHF 等）场景的后训练系统平台，设计和实现高效、可扩展的训练与推理一体化架构；
2、参与核心调度框架的设计与开发，支持强化学习训练流程中的任务编排、资源调度与大规模并行实验。优化模型训练、推理服务与环境交互之间的数据流与执行流程，提高系统整体吞吐与资源利用率；
3、设计并实现高性能组件通信与存储服务，支持大规模样本生成、经验数据管理与高速数据交换；
4、参与强化学习沙箱环境与自动化评测系统建设，支持代码执行、工具调用及复杂任务交互；
5、与算法团队紧密合作，推动后训练框架与强化学习算法深度结合，提升算法实验效率和迭代速度。持续优化系统稳定性、可扩展性与可观测性，支撑大规模模型训练与快速算法创新。

岗位要求
1、系统工程能力强；
2、有规模化系统编程经验；
3、对网络、RDMA 协议有了解；
4、深入理解分布式系统的工作原理；
5、对大模型训练/推理/后训练任务有深入的了解。