多模态RL infra工程师

【岗位职责】 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。 【任职要求】 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…… 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 21045 个北京岗位（全城各职能合计），其中 1782 个公开标注了薪资。按这些标注统计：月薪（税前）主流区间 7K ~ 20K（25~75 分位），中位约 12K，最低 1K、最高 300K。