字节跳动
强化学习训练框架工程师（火山引擎机器学习平台）-Data AML
强化学习训练框架工程师（火山引擎机器学习平台）-Data AML
发布于 大约 2 小时前普通员工/个人贡献者
上海市
高级经验
全职员工
仅现场办公
学历未注明
PyTorch
强化学习
RPC
NCCL
MPI
Megatron-LM
DeepSpeed
vLLM
AI 估算 · 30k–60k
高级AI框架工程师，技能稀缺，字节薪资竞争力强，市场水准较高。
职位详情
关于这个职位
该职位负责字节跳动火山引擎机器学习平台的核心训练框架 veRL 和 veOmini 的研发与优化，主要涉及大模型（LLM/DiT）的强化学习训练框架开发、性能调优及开源社区贡献
你将深度参与前沿技术，推动框架在复杂场景下的规模化应用
最低要求
熟练掌握Linux环境下C/C++、Python编程，具备高效的代码实现与调试能力
深度掌握PyTorch框架，掌握Profiling、调优方式，了解其底层原理
具备训练框架（如Megatron-LM、DeepSpeed、TorchTuner）或推理框架（如vLLM、SG-Lang、TensorRT）的开发和优化经验
熟悉大模型（LLM、DiT）的训练特性，具备模型训练性能瓶颈分析与调优能力
有大规模分布式系统开发或运维经验，熟悉分布式通信库（RPC、NCCL、MPI）的使用与调优
工作职责
veRL框架研发与优化：主导veRL架的核心功能设计与开发，聚焦性能优化与稳定性提升，推动框架在复杂场景（如Agent、Compute Use）下的规模化应用
同时深度参与开源社区生态建设（如技术贡献、文档维护、社区活动组织）
veOmini LLM/DiT训练框架研发与优化：负责veOmini中LLM与DiT训练模块的开发与优化，支持Wan2.1/Qwen/DeepSeek等热点模型的高效后训练和强化学习
优先资格
有GitHub开源社区技术热门项目贡献经验（代码提交、问题解决、文档维护等）
熟悉强化学习（RL）任务特点，具备RL框架或算法优化经验
AI 洞察
优缺点分析
优点
- 深度接触前沿大模型训练技术，涉及强化学习、分布式系统等高价值技能
- 参与开源社区建设，提升个人技术影响力
- 技术难度高，需要同时掌握系统、算法、分布式等多领域知识
- 需要持续跟进快速迭代的开源社区和模型技术，保持学习节奏
- 适合热爱底层系统优化、对大模型训练有浓厚兴趣、具备较强工程能力和自驱力的技术人才
缺点 / 挑战
- 字节跳动的平台和资源，技术挑战大，成长空间广阔
- 工作强度可能较大，涉及高性能优化和线上问题排查，压力不小
角色解读
- 可向技术专家方向深耕，成为大规模训练框架或分布式系统的核心贡献者
- 可转向AI平台架构师或技术Leader，负责整个机器学习平台的训练基础设施
- 在开源社区积累影响力后，可成为行业知名技术KOL或技术布道师
- 主导veRL框架的核心功能设计与开发，优化性能与稳定性，推动在Agent等复杂场景下的规模化应用
- 负责veOmini中LLM与DiT训练模块的开发，支持Wan2.1、Qwen、DeepSeek等热点模型的高效后训练和强化学习
- 深度参与开源社区生态建设，包括技术贡献、文档维护和社区活动组织
- 精通C/C++和Python，能在Linux环境下高效编程与调试
- 深度掌握PyTorch及其底层原理，具备性能分析和调优能力
- 熟悉大模型训练框架（如Megatron-LM、DeepSpeed）或推理框架（如vLLM、TensorRT），有大规模分布式系统经验
申请策略
- 面试时准备一个完整的技术案例，展示从问题定位到性能优化的全过程
- 了解火山引擎AML平台和veRL/veOmini的开源动态，体现对业务的理解
- 突出在训练框架（如DeepSpeed、Megatron）或推理框架上的实际优化经验，附上性能提升数据
- 强调分布式系统开发经验，特别是NCCL、RPC等通信库的调优案例
- 如果有开源项目贡献，务必列出GitHub链接和具体贡献内容
- 若缺乏RL经验，可提前学习强化学习基础（如PPO、GRPO）及相关框架
- 补充对vLLM、TensorRT等推理框架的源码理解，增强系统性能力
面试指南
- 使用STAR法则描述具体问题、行动和结果，突出量化指标
- 讲解技术方案时先梳理原理框架，再结合实践经验展开
- 对于开放性问题，展示系统性思考（从现象到根因再到解决方案）
- 请说说你如何优化一个PyTorch训练脚本的GPU利用率？
- 在分布式训练中，如何处理模型并行和数据并行混合的场景？
- 你参与过哪些开源项目？具体贡献了什么？
- 解释一下NeMo或DeepSpeed ZeRO的原理，你如何在实践中调优？
- 如果veRL框架在Agent场景下训练不稳定，你会怎么排查和解决？
匹配度报告
71
综合匹配度
前沿技术栈、高成长机会、高薪酬，但工作强度和WLB一般。
适合人群
最看重技术成长和前沿挑战，愿意接受高强度工作的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利75
成长发展90
工作生活50
使命价值70
薪资福利匹配
75中等
字节跳动薪资在行业内具有较强竞争力，且提供各种福利，但未在JD中明确列出具体福利项。
薪资信号偏高 (30K-60K/月)
成长发展匹配
90较高
该职位技术前沿，涉及大模型、强化学习、分布式系统等尖端领域，有大量成长空间和开源贡献机会。
技术前沿前沿/新兴技术
技术栈veRL、veOmini、LLM、DiT、强化学习、PyTorch、Megatron-LM、DeepSpeed、vLLM、NCCL
成长机会开源社区生态建设、深度参与
业务类型ambiguous
工作生活匹配
50较低
职位未提及远程或弹性办公，上海字节通常要求现场办公，工作强度可能较高，生活化动机满足度中等偏低。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
70中等
参与开源社区和前沿技术研发有一定社会价值，但主要是商业驱动，使命感一般。
行业发展高速增长赛道
社会影响中性/一般
使命信号开源社区生态建设
创新程度积极采用新技术
Watch Jobs