研究型实习生-大模型强化学习基础设施研发实习生（Code Agent / RL Infra）

AI 摘要智能生成

参与面向大语言模型强化学习与 Code Agent 的后训练平台研发

职位描述

1. 参与面向大语言模型强化学习与 Code Agent 的后训练平台研发，支持 Rollout、Reward、Training 和 Teacher 推理等核心流程，协助构建高效、可扩展的训练与推理协同架构。 2. 参与任务编排、弹性资源调度与异步流水线开发，优化样本生成、模型训练和环境交互之间的数据流与执行流程，支持长程任务与多任务混训，提升系统吞吐和 GPU 资源利用率。 3. 参与高性能通信、存储与轨迹数据管理组件建设，支持大规模样本生成、轨迹采集和高速数据交换，完善策略版本记录、训练 mask 与数据组批机制，降低长上下文场景下的数据处理和内存开销。 4. 参与白盒 Agent Runtime、沙箱环境与自动化评测系统建设，支持代码执行、工具调用和多轮交互；协助开发代码测试、规则检查等可验证奖励，完善真实工程任务的环境复现、轨迹重放与失败分析流程。 5. 与算法团队合作，参与强化学习的接入与实验验证，通过性能分析、监控和自动化回归，持续优化训练效率、系统稳定性与可观测性，提升算法实验和迭代效率。

任职要求

• 计算机、软件工程、人工智能等相关专业在读。
• 有一定的系统工程能力，有规模化系统编程经验。
• 对网络、RDMA 协议有了解。
• 深入理解分布式系统的工作原理。
• 对大模型训练/推理/后训练任务有深入的了解。