从事快手多模态视频理解大模型的 Agentic RL 后训练基础设施建设，聚焦推理-训练协同系统优化，将 RL 训练的系统吞吐与样本效率做到业界领先水准，包括但不限于以下方向：\n1、负责强化学习任务性能优化，提升模型训练效率；\n2、负责构建Agent、Function Call、Sandbox以及其他环境交互场景下的强化学习下的分布式训练奖励评估系统；\n3、负责构建Agent框架与平台，支持复杂交互下的强化学习模型训练；\n4、负责强化学习环境下的可观测性、可解释性的系统建设；\n5、负责强化学习任务性能优化，提升模型迭代效率。 1、熟练掌握Linux环境下的Python/C++等1至2种以上语言；\n2、熟悉Ray架构和生态，有Ray应用或者Ray Core开发经验；\n3、掌握分布式系统原理，参与过分布式系统的设计、开发和维护；\n4、有优秀的逻辑分析能力，能够对业务逻辑进行合理的抽象和拆分；\n5、有强烈的工作责任心，较好的学习能力、沟通能力和自驱力，能够快速的响应和行动。\n\n加分项：\n1、熟悉至少一种主流的机器学习框架，如PyTorch/Megatron-LM/DeepSpeed等；\n2、熟悉至少一种主流的RLHF框架，如OpenRLHF/VeRL/ChatLearn等；\n3、熟悉Ray框架或其他强化学习相关计算框架。