多模态大模型【后训练】优化工程师（AI Infra）

1. 负责公司内部后训练基础设施的维护、开发与优化，支撑音视频理解与生成模型的 SFT、RLHF、RLVR、DPO、在线/离线偏好优化等训练流程

2. 建设高吞吐、稳定、可扩展的后训练系统，覆盖数据管线、rollout、reward、policy/reference model、训练调度、评测闭环和实验管理

3. 优化后训练中的训练-推理协同链路，提升 rollout 吞吐、GPU 利用率、有效样本吞吐和端到端实验迭代效率

4. 跟踪 veRL、slime、miles、AReaL 等后训练框架的设计与实现，结合多模态业务场景进行工程化改造和性能优化

5. 具备扎实的计算机系统、并行计算和分布式训练基础；精通 Python，熟悉 C++，熟练使用 PyTorch

6. 熟悉 RLHF/RLVR/SFT/DPO 等后训练流程，理解 rollout、reward model、policy model、reference model、KL control、advantage 估计等核心组件

7. 熟悉 veRL、slime、miles、AReaL 或同类后训练框架的架构设计，能够优化大规模 rollout、异步调度、显存复用、模型切换和训练吞吐

8. 熟悉多维并行、FSDP/ZeRO、rollout/训练资源解耦与调度策略，能够在后训练场景下处理多模型共存、动态 batch、长序列、多模态输入和高并发 rollout 带来的资源调度问题

9. 具备较强的 profiling 和系统排障能力，能够定位后训练中的吞吐下降、GPU 空转、通信拥塞、样本堆积、OOM、loss/reward 异常等问题

加分项

1. 作为核心成员参与过业界知名模型的后训练、RLHF/RLVR 或多模态对齐工作
2. 在 veRL、slime、miles、AReaL 等知名框架上有实际开源贡献
3. 有大规模 RL 训练系统、在线数据闭环、自动评测平台或人类反馈数据平台建设经验
4. 以第一作者在 MLSys、OSDI、SOSP、NSDI、ASPLOS 等系统或体系结构会议发表过论文
5. 对多模态模型的训练目标、数据配比、评测体系和后训练稳定性有深入理解