RL 训练平台研发工程师

RL 工作负载的平台契约：和业务方梳理 RL 任务的角色构成与运行时需求，定义平台原语（角色、生命周期、卷、端口、放置），守住平台与算法的边界，保证业务切换训练范式时平台不用发版；

训推协同：活跃模型池（权重版本化发布、原子切换、回收），训练端到采样、推理端的权重同步，rollout 推理服务的接入；

长跑任务的可用性：检查点续跑，训练器、数据服务、采样侧的整栈状态恢复，训练中的连续评估与结果回流；

后训练框架支持：verl、OpenRLHF 等框架在平台上的接入、版本维护与性能优化（并行策略、显存、通信、rollout 与训练的重叠），帮业务方定位训练瓶颈与稳定性问题 作为首个落地项目的技术对接人，按角色逐步迁移到新原语，每一步给出可对比的基线；

本科及以上学历，两年及以上经验，精通 Python，能读写 Go 或 C++ 之一 下面两项至少一项有实战，另一项能看懂；

读过并改过 verl、OpenRLHF、NeMo-RL 之一的源码，讲得清数据流、资源编排（colocate 与 separate 的取舍）、权重同步的实现；

做过分布式 RL 系统的工程实现，例如 actor-learner-replay 架构（IMPALA、SEED、Ape-X 一类）、自博弈或联赛训练。只跑过算法实验不算 ；

熟悉 PyTorch 分布式与 NCCL，有一次讲得出数据的训练性能优化或故障排查（现象、profiling、根因、收益） 理解 PPO、GRPO 等常用算法的原理，能和算法同学对话；不要求自己调出效果；

熟悉容器与 Kubernetes 的基本概念，能和平台研发讨论 CRD 设计；

Megatron-LM 或 FSDP 后端的性能调优经验 ；

设计过大规模经验回放或样本服务 有异步 RL、训推分离部署的落地经验；

有相关开源项目贡献