职位描述 1、RL训练框架搭建与优化：建设支持多模态大模型后训练的RL基础设施，包括SFT、DPO、GRPO等算法的训练框架开发与性能调优。 2、训练效率提升：优化RL训练的资源调度、通信模式与计算-通信重叠，降低显存占用与训练耗时，提升端到端训练吞吐。 3、训练稳定性保障：建立训练监控与容错机制，解决大规模RL训练中常见的训推不一致、reward hacking、loss震荡等问题。 4、多模态模型适配：支持图文理解模型与全模态模型（MiniCPM-V/o）的RL后训练，解决视觉/音频模态与文本模态在RL训练中的效率与对齐问题。 5、工具链建设：协助算法团队搭建数据流水线、评测链路和模型迭代闭环，提升整体研发效率。

职位要求 1.本科及以上学历，了解常见强化学习算法的相关原理、实现方式、优化策略； 2.具备搭建、优化和维护强化学习训练基础设施（Infra）的经验； 3.熟悉集群资源管理、监控与CI/CD等Infra体系，能保障训练平台稳定性； 4.熟悉至少一种主流的RLHF框架，如OpenRLHF/VeRL/ChatLearn等； 5.了解分布式训练基本原理,熟悉通信库的相关工作原理； 6.有良好的沟通合作能力、快速学习和应用新技术的能力、及基本的英文文献阅读能力。 面壁智能的岗