快手
强化学习框架研发工程师-【可灵】
强化学习框架研发工程师-【可灵】
发布于 6 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Cuda
Kv Cache
Pytorch
Rlhf
Vllm
分布式训练
强化学习
值不值得投
73综合评分
综合评分 73
前沿AI框架研发岗，技术成长性极高，但WLB信息不明，需面试中确认。
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
40K
与机器学习工程中位数基本持平
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 2420 个在招 · 其中机器学习工程 20 个
市场机会
选择面较广
北京 · 机器学习工程 · 约 450 个在招
职位详情
关于这个职位
该职位是快手可灵团队的强化学习框架研发工程师，负责强化学习框架的底座研发，针对生成理解统一与Diffusion场景下的Agentic RL提供高吞吐、易用、可扩展的训练与推理能力，并进行训推一体化优化，提升推理稳定性与效率
最低要求
具备良好的团队协作能力，热爱钻研技术，善于分析并解决复杂工程问题
有深度学习与强化学习基础，熟悉 Transformer / GPT 等模型结构，了解 RLHF / Agentic RL 相关范式更佳
对开源强化学习框架（如 veRL Omni、slime 等）有深入了解，有二次开发或性能优化经验者优先
对推理框架（如 vLLM、SGLang 等）有较深入了解，熟悉 KV Cache、调度与长尾优化相关实践
对训练框架（如 TorchTitan、Megatron 等）有较深入了解，具备分布式训练或 HPC 基础
对分布式框架（如 Ray 等）有较多了解，熟悉集合通信更佳
了解 CUDA 编程者优先
工作职责
参与强化学习框架底座研发，面向生成理解统一与 Diffusion 场景下的 Agentic RL，提供高吞吐、易用、可扩展的训练与推理能力
针对 Agentic RL / Diffusion Agentic RL 做训推一体化优化，重点保障训推一致性，并推进 Flow GRPO、Refl 等算法在框架侧的高效落地
优化推理侧长尾问题，深入 KV Cache 管理、调度与资源复用等路径，持续提升在线与离线推理稳定性与效率
调研并落地业界最新 RL / 训推技术与性能工具，完成与训练、推理、分布式等框架的对接与集成
AI 洞察
优缺点分析
优点
- 参与前沿AI基础设施研发，技术栈先进，涉及强化学习、分布式系统等热门领域
- 项目有实际应用场景（可灵），能提升技术影响力
- 公司提供较大的技术探索空间，有机会接触最新业界技术
- 技术难度高，需要同时深入训练与推理框架，并解决性能优化等复杂问题
- 需要持续跟进快速发展的AI技术，保持学习强度
- 适合对AI系统工程有浓厚兴趣，具备扎实分布式系统和强化学习基础，喜欢解决复杂性能优化问题的技术工程师
缺点 / 挑战
- 作为基础设施角色，可能面临跨团队协作与需求对齐的挑战
角色解读
- 技术专家方向：深耕AI框架与系统优化，成为强化学习或分布式计算领域的专家
- 架构师方向：负责大规模AI训练与推理平台的整体架构设计
- 技术管理方向：带领团队进行AI基础设施研发，推动技术战略落地
- 负责强化学习框架的底座研发，构建支持Agentic RL等场景的训练与推理平台
- 进行训推一体化优化，确保算法高效落地并提升推理稳定性
- 优化推理侧性能，解决KV Cache管理和长尾问题，提升系统效率
- 调研并集成最新的强化学习和性能工具，与分布式框架对接
- 扎实的深度学习和强化学习理论基础，熟悉Transformer等模型结构
- 熟练掌握至少一种强化学习框架（如veRL、slime）或推理框架（如vLLM）
- 具备分布式训练或HPC经验，了解Ray、CUDA编程等
- 良好的工程实践能力，能够解决复杂的系统优化问题
申请策略
- 关注快手可灵团队的技术博客或开源项目，了解其技术方向
- 准备能体现系统设计思维和工程优化能力的案例，以备面试讨论
- 突出在强化学习、分布式训练或推理优化方面的具体项目经验
- 列举使用过的开源框架（如vLLM、Ray）及二次开发或优化成果
- 强调解决复杂工程问题的案例，如性能提升、系统稳定性保障
- 展示对CUDA编程、HPC等底层技术的理解
- 深入学习强化学习算法（如RLHF、Agentic RL）及其工程实现
- 实践推理框架优化，重点研究KV Cache管理和调度策略
面试指南
- 采用STAR法则（情境、任务、行动、结果）来结构化回答项目经验问题
- 针对技术问题，先阐述理论背景，再结合实际场景给出解决方案，强调权衡与创新
- 对于框架比较类问题，从架构、性能、易用性等维度进行分析，展示深入理解
- 请介绍一个你参与过的强化学习或分布式训练项目，以及你在其中的角色和贡献
- 如何优化推理侧的长尾问题？请结合KV Cache管理谈谈你的思路
- 你熟悉哪些开源强化学习框架？它们的优缺点和适用场景是什么？
- 在训推一体化优化中，如何保障训推一致性？你会考虑哪些关键因素？
- 请解释CUDA编程中的一个性能优化实践，并说明其原理
职位点评
薪资福利75
成长发展90
工作生活50
使命价值70
薪资福利
75中等
该职位属于技术密集型岗位，市场需求较高，但JD未明确薪资福利，薪资竞争力需结合面试确认。
薪资信号未披露（AI估算：3–5万/月）
成长发展
90较高
职位涉及前沿强化学习框架研发，技术深度和广度高，对技能成长和行业视野有显著提升。
技术前沿前沿/新兴技术
技术栈强化学习、RLHF、Agentic RL、vLLM、Ray、CUDA、分布式训练
业务类型profit_center
工作生活
50较低
JD未提及工作模式、办公时间等WLB相关信息，无法判断工作灵活性，工作地点在北京上海可能通勤压力较大。
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
70中等
职位聚焦AI基础设施，可能支撑可灵等生成式AI应用，技术有创新性，但JD未明确社会价值或使命感。
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