微信
微信-AI Infra工程师-大模型训练与RL方向
微信-AI Infra工程师-大模型训练与RL方向
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公平台工程
平台工程
Deepspeed
Megatron-Lm
Ppo
Pytorch Fsdp
Sglang
Vllm
分布式训练
大模型训练
强化学习
值不值得投
76综合评分
综合评分 76
技术挑战与成长性极强的AI Infra核心岗，平台顶尖，但WLB需面试时确认。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
38K
比平台工程中位数低
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
12 个在招
市场机会
选择适中
北京 · 平台工程 · 36 个在招
职位详情
关于这个职位
该职位专注于大模型训练与强化学习基础设施的开发与优化
你需要负责设计与实现高效、稳定的大模型分布式训练框架，并构建强化学习训练系统，解决生成、训练及通信中的工程瓶颈，确保前沿算法能在微信海量业务场景中规模化落地
最低要求
计算机相关专业，具备较强的动手能力
熟悉 Python ，具备扎实的系统编程功底和优秀的复杂系统 Debug 能力
训练框架经验： 深入理解大模型分布式训练原理，具备 Megatron-LM、DeepSpeed 或 PyTorch FSDP 等主流框架的实际源码级开发与定制经验
RL 与 RL Infra 储备： 熟悉大模型后训练与对齐技术（PPO、GRPO、DPO等），熟悉 Verl、ROLL，AReal 等强化学习/分布式计算框架，可以理解并解决 RL过程中的工程痛点
综合素质： 具备极强的技术好奇心与自驱力，面对业界无先例的技术难题，能独立思考并推动解决
工作职责
核心训练框架开发与优化： 负责大模型分布式训练框架（基于Megatron-LM / DeepSpeed等）的底层架构设计与核心代码开发
支撑千亿/万亿模型的高效、稳定训练
RL Infra 系统建设与协同优化： 负责强化学习（PPO/GRPO/DPO等）训练框架的开发和优化
深度解决 Actor 生成（结合 vLLM/SGlang 等推理引擎）与 Critic/Reward 训练阶段的资源调度、状态流转及通信瓶颈，实现 Training 与 Inference 的极致协同
算法与系统协同设计 (Co-design)： 与前沿算法团队紧密合作，追踪并引入业界最新开源生态（如 Verl, Slime, ROLL, AReal 等），快速完成技术原型验证，加速前沿大模型对齐算法在微信海量业务场景的规模化落地
AI 洞察
优缺点分析
优点
- 接触并优化业界最前沿的大模型训练与RL技术栈，技术成长天花板极高
- 在腾讯/微信这样的顶级平台和海量业务场景中，技术成果能产生巨大影响力
- 与顶尖算法和工程团队合作，能快速提升技术视野和系统架构能力
- 技术难度极高，涉及分布式系统、高性能计算、算法工程等多个复杂领域的交叉
缺点 / 挑战
- 需要持续跟踪并快速消化最新的开源技术生态，学习压力较大
- 实现Training与Inference的极致协同是业界公认难题，工程挑战巨大
- 适合具备扎实系统功底、对AI Infra充满热情、乐于挑战底层技术难题且追求技术深度的工程师
角色解读
- 技术专家路径：深耕AI基础设施，成为分布式系统与大模型训练领域的架构师
- 技术领导力路径：带领小团队，负责AI Infra某子方向的整体技术规划与落地
- 算法工程融合路径：向更前沿的对齐算法或系统协同设计领域拓展，成为AI系统与算法融合的复合型专家
- 设计与开发支撑千亿/万亿参数大模型的高效分布式训练框架
- 构建并优化强化学习（RL）训练系统，打通训练与推理环节，解决工程协同问题
- 与算法团队合作，将前沿开源技术快速原型化并落地到微信的业务场景中
- 精通Python和系统编程，具备复杂系统调试能力
- 深入掌握Megatron-LM、DeepSpeed等大模型训练框架的原理与源码
- 熟悉PPO等强化学习算法及Verl、ROLL等相关工程框架
- 对技术有强烈的好奇心，具备独立解决无先例难题的能力
申请策略
- 在面试中展现你对‘如何让千亿模型训练得又快又稳’的系统性思考
- 主动表达你对强化学习工程化挑战的理解，而不仅仅是算法本身
- 表现出你对技术难题的钻研精神和自驱力，这是该岗位非常看重的特质
- 突出使用或修改过Megatron-LM、DeepSpeed等框架的具体项目经验，说明解决了什么问题
- 展示在分布式训练、高性能通信（如NCCL）、异构计算等方面的实践成果
- 描述参与或了解强化学习（尤其是PPO）工程化实践的经历
- 强调独立分析和解决复杂系统Bug或性能瓶颈的案例
- 系统学习大模型分布式训练的核心原理，如模型并行、流水线并行、ZeRO优化等
面试指南
- 问题1-3（系统设计与优化类）：采用‘背景-问题-思路-方案-结果’结构
- 先明确要优化的目标（如通信量、稳定性），再分析瓶颈所在（如AllReduce操作、GPU显存），接着提出具体的技术方案（如混合并行策略、梯度压缩、异步流水线），最后用量化数据或结果佐证
- 问题4（框架评估类）：从‘架构可扩展性’、‘易用性’、‘性能’、‘社区生态’几个维度辩证分析，指出其优势的同时，结合自身经验提出1-2个具体的、有建设性的改进方向
- 问题5（问题解决类）：采用STAR法则（情境-任务-行动-结果）
- 重点描述你排查问题的逻辑链路（如日志分析、监控指标、代码埋点），使用的工具（如profiler、debugger），以及如何验证你的假设，最终如何定位并解决问题
- 请描述你如何优化一个基于DeepSpeed的训练任务，以减少通信开销或提高GPU利用率？
- 在RL训练中，Actor生成和Critic更新如何协同？你遇到过哪些工程挑战，如何解决？
- 如果让你设计一个支持异构资源的RL训练调度器，你会考虑哪些核心模块和设计要点？
职位点评
薪资福利75
成长发展90
工作生活55
使命价值80
薪资福利
75中等
岗位属于高技术门槛的核心研发，市场薪酬具有竞争力。公司为大型上市公司，福利体系相对完善。
薪资信号偏高 (30K-45K/月)
成长发展
90较高
该职位直面大模型训练与RL工程的前沿挑战，技术深度和广度俱佳，能接触最新开源生态并有大规模落地机会，成长性极强。
技术前沿前沿/新兴技术
技术栈Megatron-LM、DeepSpeed、PyTorch FSDP、PPO、GRPO、Verl、ROLL、vLLM、SGLang
成长机会与前沿算法团队紧密合作、追踪并引入业界最新开源生态、快速完成技术原型验证
业务类型profit_center
工作生活
55较低
工作地点在北京，未明确说明办公模式（如远程或弹性），从岗位性质推断需要现场协作。JD未提及任何WLB相关信号。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
80较高
岗位参与构建微信这一国民级应用背后的AI核心能力，行业处于高速增长的大模型赛道，技术落地价值高。
行业发展高速增长赛道
社会影响中性/一般
使命信号加速前沿大模型对齐算法在微信海量业务场景的规模化落地
创新程度积极采用新技术
Watch Jobs