1.参与公司内部post-training框架研发，聚焦 LLM + RL方向，设计框架架构与技术路线，提升其扩展性、稳定性与效率,
2.优化框架性能，如训练速度、显存占用等，降低训练成本，为 LLM + RL 训练提供有力技术支撑。
3.协同业务团队，将 LLM 能力在业务场景落地，根据业务需求定制训练方案并评估验证模型。
4.关注行业前沿，引入有价值的技术到公司框架和模型中，探索新算法与方法，推动技术创新。
1.要求本科及以上学历。
2.熟悉Post-Training流程，深入了解RL领域，包括但不限于RM、PPO、DPO、GRPO等算法,
3.具备大模型训练框架开发能力，包括pytorch、megatron等,
4.具备强化学习框架开发能力，包括openRLHF、ver等。
5.具备一线的C++/Python工程能力，精通数据结构和常用算法，掌握各种编译、调试、性能分析工具，熟悉并行编程(CUDA/Triton等)优先。
