RL infra

职位概览 在 Moonshot，我们相信强化学习是通往 AGI 的关键路径。我们正在寻找深谙 GPU 性能极限的 RL Infra 工程师，打造支撑下一代大模型自我进化的基础设施。 你将直面 RL 训练的核心矛盾：训练与采样的异构负载、频繁权重复制带来的通信开销、多轮超长Agentic Coding和KimiClaw 场景的rollout效率。通过极致的工程优化，让 RL 训练跑得更快、更稳——每一次参数更新，都让 Kimi 的推理能力更进一步。 核心职责 RL 训练架构 ：针对大规模 Agentic RL 场景，设计训练与采样的混合调度策略，优化多模型（Policy、Reference、Reward、Value）的并行协同与显存共享 Rollout 效率优化 ：深度定制 vLLM，优化 Rollout 阶段的 KV Cache 复用、量化和投机方法，将 Token 生成延迟压至极限 算法…… 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 3144 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。