字节跳动强化学习系统平台工程师-Seed
任职要求
1、熟练掌握Linux环境下的Go/Python/Shell等1至2种以上语言； 2、熟悉Kubernetes架构和生态，有丰富的机器学习系统实践和开发经验； 3、熟悉Ray架构和生态，有Ray应用或者Ray core开发经验； 4、掌握分布式系统原理，参与过大规模分布式系统的设计、开发和维护； 5、有优秀的逻辑分析能力，能够对业务逻辑进行合理的抽象和拆分； 6、有强烈的工作责任心，较好的学习能力、沟通能力和自驱力，能够快…
工作职责
团队介绍：字节跳动 Seed 团队成立于 2023 年，致力于寻找通用智能的新方法，追求智能上限。团队研究方向涵盖 LLM、语音、视觉、世界模型、基础架构、AI Infra、下一代 AI 交互等，在中国、新加坡、美国等地设有实验室和岗位。 Seed 团队在 AI 领域拥有长期愿景与决心，坚持深耕基础，期望成为世界一流的 AI 研究团队，为科技和社会发展作出贡献。目前团队已推出业界领先的通用大模型以及前沿的多模态能力，支持豆包、扣子、即梦等超过 50 个应用场景。 1、负责O1/O3等思维链模型的分布式在线强化学习系统平台构建与性能优化，探索通往AGI的强化学习训练系统设计； 2、负责构建Agent、Function Call、Sandbox、以及其他环境交互场景下的强化学习下的分布式训练奖励评估系统； 3、负责构建Agent框架与平台，支持复杂交互下的强化学习模型训练； 4、负责强化学习环境下的可观测性、可解释性的系统建设； 5、负责强化学习任务性能优化，提升模型迭代效率。
1、开发完善工程级代码场景测试数据大规模自动构造过程，研发有代表性且创新的工程级代码评测场景； 2、Coding Agent框架的测试和工程开发。
1、负责大模型Agent系统的研究与工程落地，围绕复杂任务执行持续优化Agent效果，包括但不限于harness、memory、context compression、planning/execution、multi-agent collaboration等关键机制； 2、设计并实现面向大规模Agent任务的Benchmark、评测集、指标体系与自动化评测流程，支持模型训练、版本迭代和产品上线； 3、建设和优化Agent的关键能力接口与运行机制，包括Prompt、Tool use、任务拆解、上下文管理、模型编排、执行策略等； 4、参与训练数据构造、样本优化与效果分析，提升模型在Agent场景下的性能、稳定性与易用性； 5、与算法、平台、产品等团队协作，推动Agent在编程、研究、运营、知识工作等场景中的落地，并围绕效果、成本、稳定性持续优化。
我们是小红书中台大模型 Infra 团队，专注打造领先易用的「AI 大模型全链路基础设施」！团队深耕大模型「数-训-压-推-评」技术闭环，在大模型训练加速、模型压缩、推理优化、部署提效等方向积累了深厚的技术优势，基于 RedAccel 训练引擎、RedSlim 压缩工具、RedServing 推理部署引擎、DirectLLM 大模型 API 服务、QuickSilver 大模型生产部署平台等核心产品，持续赋能社区、商业、交易、安全、数平、研效等多个核心业务，实现 AI 技术高效落地！ 1、参与设计实现支持RLHF/DPO等对齐技术的高效训练框架，优化强化学习阶段的Rollout、Reward Model集成、多阶段训练 Pipline； 2、研发支持多机多卡 RL 的分布式训练框架，开发TP/PP/ZeRO-3与RL流程的动态协同机制，解决 RL 算法在超长时序下的显存/通信瓶刭 3、构建端到端后训练工具链，主导框架与 MLOps 平台集成，提供训练可视化、自动超参搜索等生产级能力 4、与公司各算法部门深度合作，参与大语言模型LLM、多模态大模型 MLLM等业务在 SFT/RL领域的算法探索和引擎迭代； 5、参与分析各业务 GPU 利用率与饱和度等指标，结合业务场景持续优化训练框架能力，提升框架领先性。
【职位介绍】 我们团队负责构建小红书推荐算法中台，提高内容分发效率，为海量用户提供极致的推荐体验。在这里，你将参与到推荐系统的全链路搭建和各类算法的研发，包括不限于大模型应用、多模态建模、深度学习、强化学习、迁移学习、表示学习、图学习等领域。我们希望对推荐、搜索、广告感兴趣的同学，加入我们一起研发世界一流的推荐引擎。 1. 负责推荐算法中台的全链路建设，抽象业务共性，敏捷高效支持各类推荐需求。 2. 负责业界先进推荐算法的研发和落地，包括但不限于大模型技术、多模态内容理解、召回算法、排序模型（粗精排）、长短期兴趣建模、多场景联合建模等。