快手
强化学习框架研发实习生-【可灵】
强化学习框架研发实习生-【可灵】
发布于 6 小时前实习/见习
实习生仅现场办公机器学习工程
机器学习工程
Cuda
Gpu优化
Pytorch
Rlhf
分布式训练
多模态
大模型
强化学习
值不值得投
70综合评分
综合评分 70
前沿AI实习、技术栈先进、成长空间大但WLB一般
从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。
薪资怎么样
7千
比机器学习工程中位数低
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 2450 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
作为快手可灵团队的强化学习框架研发实习生，你将参与大模型强化学习框架（RL Infra）的研发与优化，专注于多模态理解、图像/视频生成及生成理解统一模型，致力于建设高性能、易用、可扩展的RL基础设施，并跟进前沿算法如Flow GRPO、ReFL等的工程实现
最低要求
计算机、人工智能等相关专业本科及以上在读，具备良好的编程基础和工程实践能力，熟悉 Python，有 PyTorch 使用经验
具备深度学习基础，了解 Transformer / GPT 等模型架构，对强化学习、RLHF、Agentic RL 或 Diffusion RL 有一定了解和兴趣
对大模型训练、推理或强化学习系统有较强兴趣
使用或研究过 veRL / veRL Omni、Slime、ROLL、vLLM、SGLang、FSDP、Megatron、TorchTitan 等开源项目者优先
有分布式训练、Ray、集合通信、CUDA / GPU 性能优化等相关学习或实践经验者优先
有较强的学习能力和技术热情，乐于钻研和解决复杂工程问题
有大模型、强化学习、多模态或图像视频生成相关项目、论文或开源贡献者优先
能保证较稳定的实习时间，实习 3 个月及以上，能够长期实习者优先
工作职责
参与大模型强化学习框架（RL Infra）的研发与优化，面向多模态理解、图像/视频生成及生成理解统一模型，建设高性能、易用、可扩展的 RL 基础设施
参与多模态理解、Agentic RL、Diffusion RL 等场景的框架开发与性能优化，涉及训练、推理、Rollout、训推一致性等核心链路
跟进强化学习领域前沿算法与系统技术，参与 Flow GRPO、ReFL、OPD 等算法和新型 RL 训练范式的工程实现与优化
优先资格
使用或研究过 veRL / veRL Omni、Slime、ROLL、vLLM、SGLang、FSDP、Megatron、TorchTitan 等开源项目者优先
有分布式训练、Ray、集合通信、CUDA / GPU 性能优化等相关学习或实践经验者优先
有大模型、强化学习、多模态或图像视频生成相关项目、论文或开源贡献者优先
AI 洞察
优缺点分析
优点
- 接触强化学习与大模型的前沿技术栈，技术成长空间大
- 快手作为上市巨头，平台资源丰富，项目具有实际业务影响力
- 团队聚焦可灵AI生成方向，处于行业创新前沿
- 技术门槛高，需快速掌握复杂的强化学习系统和工程优化
- 实习竞争激烈，需在有限时间内证明技术能力
- 适合计算机相关专业、对AI和强化学习有强烈兴趣、具备扎实编程和工程基础的学生，希望在大厂实践中深入前沿技术领域
缺点 / 挑战
- 涉及多模态与生成模型，技术迭代快，持续学习压力较大
角色解读
- 可成长为机器学习工程师或AI系统架构师，专注于大模型基础设施
- 可向强化学习算法研究员或多模态AI产品经理方向发展
- 积累前沿技术经验后，有机会参与行业核心AI项目或开源社区贡献
- 参与开发和优化大模型强化学习框架，聚焦于多模态理解与生成模型
- 针对训练、推理、Rollout等核心链路进行性能提升和架构设计
- 跟进并实现前沿算法如Flow GRPO、ReFL等，将学术成果工程化
- 熟练使用Python和PyTorch进行深度学习开发
- 理解Transformer等模型架构，对强化学习（RLHF/Agentic RL）有基本认知
- 具备分布式训练、CUDA/GPU优化等系统级工程能力
申请策略
- 提前研究快手可灵AI产品和技术博客，了解业务方向和团队重点
- 准备清晰的项目复盘，能阐述技术挑战与解决方案
- 突出Python、PyTorch使用经历及深度学习项目经验，尤其是强化学习相关实践
- 列举分布式训练、CUDA/GPU优化等系统性能优化经验或课程项目
- 如有开源贡献（如veRL、vLLM等）或相关论文，务必强调
- 深入学习强化学习算法（如RLHF、Diffusion RL）及大模型训练范式
- 实践分布式框架（如FSDP、Megatron）和性能优化工具（如CUDA、Ray）
面试指南
- 技术问题：先阐述基本概念，再结合具体项目经验说明实践应用
- 系统问题：分层描述优化思路（如数据加载、通信、计算并行），并提及性能指标
- 动机问题：结合公司技术方向和个人技术兴趣，突出成长诉求
- 请解释强化学习在RLHF中的基本流程？
- 你如何优化PyTorch模型在GPU上的训练性能？
- 描述一个你参与的分布式训练项目，遇到了哪些挑战？
- 你对Agentic RL或Diffusion RL的理解是什么？
- 为什么对快手可灵的强化学习框架研发感兴趣？
职位点评
薪资福利60
成长发展85
工作生活50
使命价值80
薪资福利
60中等
作为实习岗位，薪资福利水平一般，但大厂实习可能提供基本保障和部分补贴，补偿性动机满足程度有限。
薪资信号未披露（AI估算：5–8千/月）
成长发展
85较高
职位涉及强化学习框架研发和前沿算法实现，技术栈先进，成长空间大，对技能提升和职业发展有显著促进作用。
技术前沿前沿/新兴技术
技术栈强化学习、大模型、PyTorch、分布式训练、CUDA
业务类型profit_center
工作生活
50较低
实习岗位通常要求现场办公，工作时间可能较长，JD未明确提及WLB或弹性工作，生活化动机满足程度一般。
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
岗位聚焦AI前沿领域，推动大模型和生成技术发展，具有较高的创新性和行业影响力，意义感动机满足程度较高。
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