大模型Infra工程师 (大模型后训练)

【岗位职责】 负责生成式大模型后训练阶段（SFT 微调 → 偏好对齐 → 强化学习）的训练基础设施设计与优化。面对算法快速迭代与大规模探索式采样的双重挑战，构建高效、灵活、可扩展的训练框架，在算法演进与系统效率之间实现最优平衡。 1. 后训练全链路框架设计与演进：主导设计并持续迭代后训练基础设施，完整覆盖 SFT（监督微调）→ RM（奖励模型训练）/ DPO（离线偏好优化）→ PPO / GRPO / DAPO（在线强化学习） 的对齐链路。面向算法快速演进的需求，构建模块化、可插拔的框架架构，实现新算法的高效接入与快速验证。 2. 大规模 Rollout 采样系统优化：针对在线 RL 训练中 Policy 模型频繁生成（Rollout）带来的海量推理请求，设计高效的采样调度系统。优化推理与训练之间的数据流转管道，实现生成、奖励打分、梯度更新三大环节的流水线并行与无缝衔接。 3. 混合资源…… 完整岗位描述与官方投递入口,请登录后在岗位详情页查看。

本站当前在招 3164 个北京技术研发岗位，其中 86 个公开标注了薪资。按这些标注统计：月薪（税前）主流区间 12K ~ 28K（25~75 分位），中位约 20K，最低 2K、最高 60K。