中国电信
强化学习系统研发工程师
强化学习系统研发工程师
发布于 大约 10 小时前普通员工/个人贡献者
机器学习工程
Deepspeed
Dpo
Grpo
Megatron
Ppo
Pytorch
Sglang
Vllm
大模型
AI 估算 · 40k–70k
职位详情
关于这个职位
该职位负责开发和维护内部强化学习后训练框架，支持文本及多模态RL训练，解决大规模训练中的工程痛点，如训推不一致和长尾延迟
同时需要探索算法、框架和硬件的协同设计，提升训练稳定性和效率
适合具备扎实RL算法基础和工程经验的候选人
最低要求
扎实的工程算法基础，熟练掌握 PyTorch 及性能调试工具
深入了解 Megatron、DeepSpeed、SGLang、vLLM 等主流训推引擎
具备扎实的 RL 算法基础（PPO/DPO/GRPO等）与实际大规模训练经验
工作职责
负责维护和开发内部强化学习后训练（Post-training）框架，支持 Reasoning、Agentic 等方向的文本及多模态 RL 训练
探索算法、框架、硬件的协同设计，提升大规模 RL 训练的稳定性和效率
解决大模型 RL 中的实际工程痛点，如训推不一致、Rollout 阶段的长尾延迟等问题
解决Agentic RL中的痛点问题，如Agent trajectory 收集、回放，Agent 长周期任务的上下文压缩与摘要等
优先资格
加分项：为 Slime、VeRL、OpenRLHF 等开源框架提交过重要 PR
或在 RL 稳定性、环境工程等方向发表过顶会论文
AI 洞察
优缺点分析
优点
- 中国电信作为大型国企，平台稳定，福利待遇好
- 有机会接触大规模训练基础设施，积累宝贵经验
- 技术要求高，需要深厚的工程和算法功底
- 工作强度可能较大，需要应对复杂的工程问题
- 国企内部流程可能较为繁琐，影响创新速度
- 适合对强化学习和大模型训练有浓厚兴趣，具备扎实工程能力，追求技术深度和稳定平台的资深工程师
缺点 / 挑战
- 涉及大模型强化学习前沿领域，技术挑战大，成长空间广阔
角色解读
- 可向强化学习算法专家或大模型训练架构师方向发展
- 有机会参与前沿技术研究，发表顶会论文，提升行业影响力
- 在大型国企平台，可积累丰富的工程和管理经验，向技术管理岗位晋升
- 开发和维护内部强化学习后训练框架，支持文本和多模态RL训练
- 优化大规模RL训练的稳定性和效率，解决训推不一致、长尾延迟等工程问题
- 处理Agentic RL中的轨迹收集、回放和上下文压缩等挑战
- 精通PyTorch和性能调试工具，具备扎实的工程能力
- 深入了解Megatron、DeepSpeed、SGLang、vLLM等主流训推引擎
- 掌握PPO、DPO、GRPO等RL算法，并有大规模训练经验
申请策略
- 了解中国电信在AI领域的布局和项目方向，在面试中展现匹配度
- 准备一个完整的RL训练项目案例，展示从算法到工程的全流程能力
- 突出大规模RL训练项目经验，展示解决实际问题的能力
- 强调对PyTorch、Megatron、DeepSpeed等工具的熟练使用
- 如有开源贡献或顶会论文，务必重点提及
- 深入学习SGLang、vLLM等推理引擎的源码和优化技巧
- 熟悉Agentic RL的常见挑战和解决方案
- 关注RL领域最新研究，如GRPO等新算法
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化回答项目经验
- 对于技术问题，先阐述原理，再结合实际案例说明应用和优化
- 展现对系统整体架构的理解，强调工程与算法的结合
- 请描述一次你解决大规模RL训练中稳定性问题的经历
- 如何优化Rollout阶段的长尾延迟？
- 谈谈你对PPO和GRPO算法的理解及适用场景
- 在Agentic RL中，如何处理长周期任务的上下文压缩？
- 你如何评估和选择训推引擎（如vLLM vs SGLang）？
职位点评
75
综合评分
前沿技术、高薪稳定，但工作强度可能较大，WLB一般。
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。
更适合这类人
该职位最适合追求技术深度和职业成长，对薪资和稳定性有较高要求，且能接受一定工作强度的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展90
工作生活50
使命价值70
薪资福利
80较高
该职位薪资水平较高，且中国电信作为大型国企，福利待遇稳定，能较好满足补偿性动机。
薪资信号未披露（AI估算：40K-70K/月）
成长发展
90较高
职位涉及大模型强化学习前沿技术，技术挑战大，成长空间广阔，能很好满足发展性动机。
技术前沿前沿/新兴技术
技术栈PyTorch、Megatron、DeepSpeed、SGLang、vLLM、PPO、DPO、GRPO、强化学习、大模型
业务类型ambiguous
工作生活
50较低
工作地点明确为上海徐汇区，但职位未提及弹性工作或远程办公，且高强度研发工作可能影响工作生活平衡。
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
70中等
大模型强化学习是当前热门领域，具有较高的行业前景和社会价值，但职位本身未明确提及使命导向。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs