1.参与内部 post-training 框架研发，聚焦 LLM + RL 方向，设计框架架构与技术路线，提升其扩展性、稳定性 与效率。 2.优化框架性能，如训练速度、显存占用等，降低训练成本，为 LLM + RL 训练提供有力技术支撑。 3.协同业务团队，将 LLM 能力在业务场景落地，根据业务需求定制训练方案并评估验证模型。 4.关注行业前沿，引入有价值的技术到公司框架和模型中，探索新算法与方法，推动技术创新。

1. 计算机科学、数学、统计学、自动化等相关专业本科及以上学历。 2. 熟悉 Post-Training 流程，深入了解 RL 领域，包括但不限于 RM、PPO、DPO、GRPO 等算法。 3.具备大模型训练框架开发能力，包括 pytorch、megatron 等。 4.具备强化学习框架开发能力，包括 openRLHF、verl 等。 5.具备一线的 C++/Python 工程能力，精通数据结构和常用算法，掌握各种编译、调试、性能分析工具，，熟悉并行编 程（CUDA/Triton 等）优先。