后训练Infra工程师

岗位定位：建设后训练框架与平台，提升训练效率、稳定性和易用性，支撑算法迭代与 Agent 业务落地。

岗位职责： 1、平台建设：统一 SFT、DPO、GRPO 等训练流程，完善任务编排、资源调度、环境与产物管理、实验追踪和故障恢复； 2、Agent RL 基建：建设 rollout、沙箱及工具交互环境，支持多轮交互、异步采样与训推协同； 3、性能与稳定性：优化显存、通信、吞吐及资源利用率，解决 hang、OOM、训练异常等问题，提升有效训练时间占比与任务成功率； 4、数据与评测管线：集成数据处理、评测和回归能力，打通业务数据、训练、评测与问题反馈闭环。

1、熟悉大模型训练，有 Megatron、DeepSpeed、Swift、verl 等框架的深入使用或二次开发经验； 2、理解分布式并行、NCCL 通信、显存管理及 checkpoint 机制，有实际性能调优经验； 3、系统基础扎实，熟悉性能分析与分布式调试，能独立定位训练稳定性问题； 4、理解或有意深入 RL 后训练系统，关注 rollout、沙箱、训推一致性等问题； 加分项 5、有 RLHF / Agentic RL、数据管线或训练评测平台建设经验； 6、有千卡级集群稳定性、有效训练时间或成本优化成果； 7、有训练、推理框架的实质性开源贡献。