【星火X计划】面向通用大模型智能体强化学习的Infra工程(J14506)

Locations

合肥, 北京

Team

词元星火

Employment

Full-time

Track

Campus

Not disclosed: Salary, Employer application deadline

Apply through the official channel. The full external receipt stays in your workspace. When signed in, three minimal event types explicitly recorded through the CLI are reported by default: selection, self-reported application and channel observation. Browsing or saving a role does not report an event; external applications do not appear under My applications.

• 本课题将针对上述瓶颈，设计统一的异步流水线架构与动态资源调度器
• 支撑千亿级主模型与多辅助模型协同后训练，同时支持十万级环境实例与千亿参数策略网络的 AgentRL 任务

Qualifications and expectations

• 24-27届硕士及以上学历，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

Preferred qualifications (not mandatory)

• 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