研究型实习生-RL Systems工程师

参与下一代大模型 RL Systems 的研究与研发，覆盖训练、推理、Rollout、环境执行和评测等环节。除了现有训练系统的建设与优化，我们也希望探索新的系统架构与训练机制，解决 Agentic RL 等新型训练范式带来的问题。

1. 01

   参与下一代 RL Systems 的架构设计与核心模块开发，建设高性能、可扩展的训练、推理、Rollout 和任务调度系统；

2. 02

   研究同步、异步 RL 架构，探索 Partial Rollout、Policy Staleness Control、训推协同等机制，解决长尾采样、资源利用率和训练效率问题；

3. 03

   建设通用 Training Harness 和执行环境，支持不同模型、Agent 框架及任务环境的接入，实现多轮交互、轨迹采集、状态管理等能力；

4. 04

   研究 Checkpoint & Restore、State Fork、Replay 等技术，探索其在长程任务、Tree Rollout、多分支采样和新型训练机制中的应用；

5. 05

   探索 Recursive Self-Improvement（RSI）和 Harness Evolution，研究基于轨迹分析、失败诊断、自动实验和评测反馈的模型、Agent 及训练系统自我改进机制；

6. 06

   跟进 RL、AI Systems、RSI 等领域的前沿研究，不局限于复现现有方法，尝试提出新的系统设计和优化方案，通过原型开发、实验评测验证其可行性和实际收益；

7. 07

   参与团队训练基础设施的开源建设，包括核心功能研发、架构设计、社区协作，以及相关技术报告和研究成果发布。

1. 01

   熟练掌握 Python、PyTorch，熟悉 Linux、Git、Docker 等工具，有实际工程项目经验，能够独立完成模块设计、开发、测试和复杂问题排查；

2. 02

   理解 LLM 训练及强化学习流程，熟悉 PPO、GRPO 等算法，理解 Rollout、Reward、Policy Update、On-policy / Off-policy 等核心概念；

3. 03

   有 LLM Training、Agentic RL 或相关项目经验，使用或研究过 Slime、verl、OpenRLHF、TRL 等主流训练框架，理解其核心架构和数据流；

4. 04

   熟悉异步编程和分布式系统，了解 Ray 等分布式执行框架，有任务调度、并发执行或分布式服务的实践经验；

5. 05

   熟悉主流 Agent 框架的运行机制，有 Coding Agent、Search Agent 或其他工具调用型 Agent 的开发、改造或调试经验；

6. 06

   具备良好的 Vibe Coding 能力和 Engineering Taste，熟练使用 Claude Code、Codex 等 AI Coding 工具，能够独立进行系统设计、Code Review、Debugging 和测试，对代码质量和架构设计有自己的判断；

7. 07

   具备较强的 Research Sense，能够从实际问题中发现现有方案的局限，独立调研、提出技术假设、设计实验并分析结果，有能力将新的研究想法转化为可验证的系统实现。

【加分项】

1. 01

   深入研究或二次开发过 Slime、verl、OpenRLHF 等 RL 框架，熟悉异步 RL、Partial Rollout、Policy Staleness 等机制；

2. 02

   熟悉 Ray、SGLang、vLLM、Megatron 等训练、推理或分布式执行框架，有相关性能优化经验；

3. 03

   有 Agent Harness、Sandbox、Checkpoint & Restore、Tree Rollout、RSI 等相关项目或研究经历；

4. 04

   有高质量开源贡献、独立技术项目或有代表性的研究成果，具备从技术想法到完整系统实现的经验。