稀宇科技
大模型工程师-RL框架&算法-日常实习
大模型工程师-RL框架&算法-日常实习
发布于 大约 7 小时前实习/见习
实习生仅现场办公人工智能
人工智能
Cuda
Kv Cache
Pytorch
Rlhf
分布式系统
大模型
强化学习
推理系统
系统优化
值不值得投
69综合评分
综合评分 69
前沿AI系统实习，技术挑战与成长价值极高，薪资与WLB信息有限。
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
6K
比人工智能中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
97 个在招 · 其中人工智能 2 个
市场机会
选择面较广
上海 · 人工智能 · 约 180 个在招
职位详情
关于这个职位
该职位是稀宇科技大模型团队的日常实习岗位，专注于强化学习训练系统的建设与优化
你将参与核心的强化学习框架开发、Rollout系统优化以及推理性能提升，旨在支持大规模RLHF、RLVR等训练任务，助力提升大模型能力与训练效率
最低要求
基本要求：
编程能力扎实，具备清晰的系统设计思路和良好的工程品味
对大模型推理系统、RL 工程、分布式系统或 GPU 性能优化中的某一方向有深入理解
能够独立发现 RL 训练或 Rollout 链路中的系统瓶颈，提出方案并推动落地
关注 RL、推理系统、Agentic workflow 等方向，愿意理解算法需求背后的系统问题
工作职责
你会参与：
建设和优化 Forge RL 框架，支撑大规模 RLHF / RLVR / Agentic RL 等训练任务
优化 RL Rollout 系统，支持多轮交互、环境调用、工具调用、外部状态机感知等复杂场景
优化 Rollout 过程中的调度策略、长尾 latency、KV Cache 管理和整体吞吐表现
建设高性能推理 serving 能力，支撑 RL 场景下更高效、更稳定、更灵活的轨迹生成
与算法团队共同进行 RL 算法与推理系统的 co-design，提升模型能力和实验效率
优先资格
加分项：
熟悉 SGLang、vLLM、TensorRT-LLM、PyTorch、Megatron-LM 等主流推理/训练框架，并有深入使用或贡献经验
熟悉 KV Cache 管理、continuous batching、PD 分离、MTP、低精度量化、分布式 serving、通信优化等推理加速技术
有大规模 RLHF / RLVR / Agentic RL 工程经验，或参与过 Rollout 系统、RL 训练框架建设
熟悉主流大模型结构，能够理解模型设计中的效率 / 能力 trade-off
有大规模推理系统、在线 serving、GPU 性能优化或高性能系统工程经验
AI 洞察
优缺点分析
优点
- 深入接触强化学习、大模型训练与推理系统等AI领域最前沿的核心技术栈
- 有机会参与从0到1建设自研系统，积累在大规模分布式AI系统方面的宝贵工程经验
- 实习即可参与直接影响核心算法能力的关键系统优化，工作成果可见度高
- 技术深度要求高，需要同时理解系统优化与强化学习/大模型算法，学习曲线较陡
- 作为实习生，需要在快速理解业务背景和技术框架的同时，产出高质量的代码和方案
- 适合计算机相关专业、对AI系统底层原理有浓厚兴趣、有较强编程和系统设计能力、并渴望在实际项目中应用和深化所学知识的学生
缺点 / 挑战
- RL训练系统的优化涉及面广，可能需要处理复杂的性能调试和稳定性挑战
角色解读
- 技术深度上，可成长为分布式系统与AI Infra领域的资深专家，专注于大规模计算系统的极致优化
- 技术广度上，可以深入理解算法与系统的交互，向能主导“算法-系统”协同设计的架构师方向发展
- 职业发展上，优秀的实习表现是获得全职Return Offer、进入顶尖AI团队核心岗位的直接路径
- 负责公司自研强化学习训练系统Forge框架的开发和优化，确保其能高效支撑大规模RLHF等任务
- 深度参与RL Rollout系统的设计与性能调优，解决多轮交互、长尾延迟等复杂场景下的系统瓶颈
- 与算法团队紧密合作，从系统层面进行协同设计，以提升模型训练效率和算法迭代速度
- 扎实的编程功底与系统设计能力，能够独立定位和解决复杂的系统性能问题
- 对分布式系统、GPU性能优化或大模型推理系统中的至少一个方向有深入的理解和实践经验
- 熟悉主流的推理/训练框架（如PyTorch、vLLM等），并有探索和优化其底层机制的意愿
申请策略
- 在投递或面试前，阅读MiniMax或相关领域关于强化学习系统的技术博客或论文，了解其技术方向
- 准备一个能体现你系统分析与优化能力的详细项目案例，用STAR法则讲清楚问题、方案、结果和反思
- 重点突出与系统优化、分布式计算、GPU编程相关的课程项目、竞赛经历或开源贡献
- 详细描述任何涉及性能分析、瓶颈定位、代码优化的实践经验，体现工程品味和问题解决能力
- 如有使用或研究过vLLM、SGLang等推理框架的经历，务必在简历中明确说明
- 系统学习CUDA编程、GPU内存管理等GPU性能优化知识，阅读相关经典论文或开源代码
- 尝试部署和使用SGLang、vLLM等工具，并阅读其源码，了解关键实现如Continuous Batching、KV Cache管理
- 补充强化学习的基本概念，尤其是RLHF、PPO算法的大致流程和工程挑战
面试指南
- 对于系统设计问题，采用“明确目标 -> 拆解模块 -> 考虑扩展性与权衡 -> 预估难点”的框架进行回答
- 对于技术原理问题，先简明扼要地解释核心思想，再结合具体场景（如本岗位的RL训练）说明其价值和应用场景
- 对于个人动机问题，将个人技术兴趣（如对系统性能的追求）与岗位核心挑战（如优化大规模RL系统）紧密结合
- 请介绍一个你参与过的最有挑战性的系统性能优化项目，你是如何定位瓶颈并解决的？
- 如果让你设计一个支持多轮对话的RL Rollout系统，你会如何考虑其架构和关键模块？
- 你知道哪些大模型推理加速技术（如Continuous Batching、KV Cache优化）？请简要解释其原理
- 在RL训练场景下，推理系统的稳定性和低延迟为什么至关重要？
- 你为什么对这个强化学习系统工程师的实习岗位感兴趣？
职位点评
薪资福利30
成长发展95
工作生活55
使命价值70
薪资福利
30较低
作为实习岗位，薪资水平通常为市场常规实习津贴范围，非主要吸引力。JD未提及具体福利。
薪资信号未披露（AI估算：4K-7K/月）
成长发展
95较高
职位直击AI领域核心——大模型强化学习系统的构建与优化，技术前沿性极强，能提供顶级的成长平台和实战经验。
技术前沿前沿/新兴技术
技术栈强化学习、大模型、KV Cache、分布式系统、PyTorch、RLHF
业务类型ambiguous
工作生活
55较低
JD未提及办公模式与工作时间相关信息。工作地点在一线城市，可能面临较高的通勤成本和生活成本。
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
参与构建下一代AI核心系统，对推动AI能力发展有直接贡献，能带来较强的使命感和技术价值感。
行业发展高速增长赛道
社会影响中性/一般
使命信号提升大模型能力
创新程度积极采用新技术
Watch Jobs