1. RL训练基建搭建：独立设计、开发、落地大模型分布式RL训练系统，打通Actor推理、Reward打分、Learner参数更新的完整闭环训练链路，保障训练流程7×24小时稳定运行。 2. 算力资源优化：负责千卡级GPU集群调度优化，解决分布式训练通信瓶颈、显存OOM、任务排队阻塞问题，最大化GPU利用率，降低训练算力成本。 3. 训练性能迭代：针对GRPO、PPO、DPO、RLHF等主流强化学习算法，做工程层优化，提升Agent试错训练效率、模型迭代速度。 4. 工程问题攻坚：解决大规模RL训练中的数据丢失、节点宕机、权重同步异常、训练梯度不稳定等线上核心问题，搭建训练监控、告警、复盘体系。 5. 跨团队协同落地：联动Agent研发、沙箱测试、模型调度团队，对接Agent真实业务场景，适配复杂任务的强化学习训练需求，持续迭代基建能力。 工作内容 1. 从零搭建适配大模型Agent的分布式RL训练基础设施，完善训练任务编排、资源调度、环境隔离能力。 2. 优化vLLM、SGLang推理加速链路，提升RL场景下Agent Rollout采样效率，缩短模型迭代周期。 3. 基于OpenRLHF、veRL等开源框架做二次开发与适配，适配公司自有大模型与业务场景。 4. 持续优化GPU算力利用率、网络通信效率、显存占用，降低大规模强化学习训练的算力损耗。 5. 输出基建技术文档、运维规范，支撑后续团队扩容、业务规模化落地。

1. 本科及以上计算机、软件工程、人工智能、大数据等相关专业，2年及以上一线大厂大模型RL Infra实战经验。 3. 精通大模型后训练、强化学习完整工程链路，熟练掌握GRPO、PPO、DPO、RLHF核心训练流程与工程落地要点。 4. 熟悉分布式训练原理，精通NCCL、显存优化、权重同步、分布式并行策略，能独立解决大规模训练故障。 5. 熟练使用Python、CUDA，熟悉vLLM、veRL、OpenRLHF等主流RL训练框架，有框架二次开发经验。 6. 具备独立扛下整套RL基建搭建的能力，可单人完成模块设计、开发、调优、落地全流程。