【星火X计划-实习】面向通用大模型智能体强化学习的Infra工程(J14610)

地点

合肥、北京

团队

词元星火

雇佣形式

实习

招聘类型

实习

尚未披露：薪资、雇主申请截止时间

投递在官方渠道完成，完整外部回执留在本人工作区；已登录时，通过 CLI 明确记录的选择、本人自报投递和渠道观察三类最小事件默认上报平台。浏览或保存岗位不会触发上报，外部投递不会出现在“我的申请”里。

• 设计统一的异步流水线架构与动态资源调度器
• 针对 AgentRL 多轮交互，实现 KV Cache 增量复用、跨轮注意力掩码管理及长上下文显存换入换出

任职要求与期待

• 28届及以后在读硕士及以上学历，人工智能、计算机科学、分布式系统、数学、高性能计算等相关专业；其他专业但具备突出工程能力者同样欢迎
• 扎实的深度学习与强化学习基础，熟悉 PPO、GRPO、DPO、REINFORCE 等后训练算法及在线/多智能体 RL 范式，深入理解 Transformer/MoE 架构与分布式并行范式
• 精通 C/C++ 或 Python，熟练 PyTorch
• 熟悉分布式通信与集合通信拓扑优化，具备大规模 GPU 集群调优经验
• 具备分布式系统、高性能网络、存储或资源调度背景
• 拥有独立建模、系统架构设计与大规模实验能力，能搭建端到端 RL 评测基线，对标前沿方案并提出创新解法
• 良好跨团队协作能力，能协同算法、模型、推理、环境模拟与业务团队推进落地，具备解决工业集群复杂工程瓶颈的抗压能力

优先条件（非硬门槛）

• 有 DeepSpeed/Megatron-LM/vLLM/sglang 二次开发经验者优先
• 有 RLHF/RLVR/AgentRL 全链路工程落地经验者优先
• 有 Kubernetes/Slurm 集群编排经验者优先；在 ICLR/NeurIPS/ICML 等顶会发表分布式训练、系统优化、RL 或智能体相关论文者优先
• 拥有开源 RL 训练框架（verl/slime/OpenRLHF）或 AgentRL 框架贡献经验，推理引擎深度集成或沙箱技术贡献者优先