【B-UP】强化学习训练框架工程师（实习）

优缺点分析

角色解读

• 从实习转正为正式员工，深入参与核心框架开发
• 向 AI 系统专家方向成长，成为大模型训练优化领域的资深工程师
• 可横向迁移至算法或工程团队，拓展技术广度
• 参与强化学习训练框架的研发，优化大规模模型训练效率
• 分析训练系统中的性能瓶颈，进行针对性优化
• 跟踪并集成前沿训练优化技术，如 MoE、异步RL 等
• 扎实的编程基础，熟悉 Python 或 C++
• 深入理解 NLP、CV 或多模态算法及主流模型架构
• 熟悉强化学习训练算法和框架，如 GRPO、verl 等

申请策略

• 在简历中展示对 AI 工程化的热情，比如个人博客或 GitHub 项目
• 了解哔哩哔哩的业务场景，思考强化学习如何应用于视频推荐或内容生成
• 突出强化学习或相关领域的项目经验，尤其是训练框架使用或优化经历
• 强调编程能力，特别是 Python/C++ 的性能优化经验
• 如有开源贡献或大规模训练经验，务必重点提及
• 提前熟悉 verl 等主流强化学习训练框架
• 复习深度学习模型架构（如 DiT、VLM）和常见训练算法

面试指南

• 采用“背景-方法-结果”结构，先说明问题场景，再讲具体解决方案，最后量化效果
• 对于算法问题，先阐述原理，再对比不同方法的优劣，展示理解深度
• 请介绍一下你使用过的强化学习训练框架及其优缺点
• 如何诊断和优化大规模训练中的通信瓶颈？
• 解释 GRPO 算法与 PPO 的区别
• 描述一个你之前做过的性能优化案例
• 你对 MoE 在多模态模型中的应用有什么理解？
• 复习强化学习经典算法和最新前沿论文，特别是 GRPO、DAPO 等