通义Token Foundry-大模型强化学习基础设施工程师 （Code Agent / RL Infra方向）-北京/杭州

工作描述

任职要求
1. 熟悉大模型强化学习训练流程，对 PPO、GRPO 等算法及 Rollout–Reward–Update 闭环有深入理解，能够分析采样分布、策略滞后、奖励设计与训练稳定性之间的关系。
2. 深入理解 LLM 训练与推理原理，包括反向传播、梯度累积、混合精度、KV Cache、长序列训练和显存开销；熟悉 Megatron-LM、DeepSpeed、FSDP、SGLang、vLLM、verl 等框架中的一种或多种，并有核心模块开发或优化经验。
3. 具备扎实的高性能计算与分布式系统能力，在 CUDA Kernel、NCCL 通信、并行策略、显存管理、Offload、计算通信重叠或异步流水线等方向有深入实践，能够通过 Profiling 定位瓶颈并验证优化收益。
4. 理解 Agent 的执行与训练机制，熟悉工具调用、多轮交互、上下文管理和轨迹采集，能够处理长程任务中的训练 mask、策略版本、奖励对齐和执行环境复现问题。
5. 具备复杂分布式系统的研发和排障能力，理解异构资源调度、长尾负载、故障隔离、弹性扩缩容及 Checkpoint 机制，有大规模训练或推理系统稳定性建设经验。
6. 具备严谨的实验与工程验证意识，能够围绕正确性、吞吐、延迟、显存和成本建立可复现的评测；学习主动，善于跨团队协作，能够推动复杂问题从定位、方案设计到落地验证。
加分项
- 有 OPD、Teacher–Student 弹性调度、训推资源复用或大规模异步 RL 实践经验。
- 有百万…