科大讯飞
【星火X计划-实习】面向通用大模型智能体强化学习的Infra工程(J14610)
【星火X计划-实习】面向通用大模型智能体强化学习的Infra工程(J14610)
发布于 3 小时前实习/见习
实习生仅现场办公人工智能
人工智能
Deepspeed
Megatron-Lm
Pytorch
Vllm
分布式系统
大模型
强化学习
值不值得投
78综合评分
综合评分 78
科大讯飞星火顶尖AI实习岗，直击大模型RL Infra前沿挑战，技术成长与开源影响力拉满，但研发压力较大。
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
约 230 个在招 · 其中人工智能 36 个
市场机会
选择面较广
合肥 · 人工智能 · 52 个在招
职位详情
关于这个职位
该职位是科大讯飞星火X计划的实习生岗位，主要面向通用大模型智能体强化学习（RL）的底层基础设施（Infra）研发
你将参与设计异步流水线架构、优化多模型混合部署与显存管理、构建大规模环境并行系统，以解决大模型RL后训练中的显存、通信和调度等核心痛点
最低要求
届及以后在读硕士及以上学历，人工智能、计算机科学、分布式系统、数学、高性能计算等相关专业
其他专业但具备突出工程能力者同样欢迎
扎实的深度学习与强化学习基础，熟悉 PPO、GRPO、DPO、REINFORCE 等后训练算法及在线/多智能体 RL 范式，深入理解 Transformer/MoE 架构与分布式并行范式
精通 C/C++ 或 Python，熟练 PyTorch
熟悉分布式通信与集合通信拓扑优化，具备大规模 GPU 集群调优经验
具备分布式系统、高性能网络、存储或资源调度背景
拥有独立建模、系统架构设计与大规模实验能力，能搭建端到端 RL 评测基线，对标前沿方案并提出创新解法
良好跨团队协作能力，能协同算法、模型、推理、环境模拟与业务团队推进落地，具备解决工业集群复杂工程瓶颈的抗压能力
工作职责
高吞吐生成与多轮推理加速：设计异步流水线生成服务，使推理与训练过程解耦匹配
针对 AgentRL 多轮交互，实现 KV Cache 增量复用、跨轮注意力掩码管理及长上下文显存换入换出，显著降低推理延迟
多模型混合部署与显存管理：制定动态换入换出、参数分片与共享、显存感知调度策略，在有限显存下承载多组件，实现显存弹性分配，兼顾计算效率与模型规模
大规模环境并行与状态管理：支持十万级并发环境实例的编排、生命周期管理、状态快照/恢复，设计轻量化环境抽象层、环境池预热与弹性扩缩容策略，降低 I/O 与存储开销
分布式 RL 算法系统化与通信优化：将 PPO/GRPO 等环节映射到张量/数据并行策略，设计异构通信拓扑，构建异步消息队列与键值状态同步机制，保障系统可观测性
经验流系统与分级存储数据管道：研发内存优先 + 分级存储的经验回放缓冲系统，支持海量轨迹的实时持久化、优先级采样与流式回放，设计压缩传输与零拷贝序列化方案
混合负载调度与资源弹性：设计在线弹性扩缩容与资源池动态切分调度器，实现推理生成、环境交互与梯度更新的异步并行与资源错峰复用，支持资源隔离与超卖控制
沙箱安全、容错与长稳运行：构建轻量级执行沙箱，实现动作白名单与资源配额控制
设计自动 Checkpoint、异常恢复、节点与环境实例热迁移机制，保障长周期训练任务的持续收敛与数据一致性
优先资格
有 DeepSpeed/Megatron-LM/vLLM/sglang 二次开发经验者优先
有 RLHF/RLVR/AgentRL 全链路工程落地经验者优先
有 Kubernetes/Slurm 集群编排经验者优先
在 ICLR/NeurIPS/ICML 等顶会发表分布式训练、系统优化、RL 或智能体相关论文者优先
拥有开源 RL 训练框架（verl/slime/OpenRLHF）或 AgentRL 框架贡献经验，推理引擎深度集成或沙箱技术贡献者优先
AI 洞察
优缺点分析
优点
- 依托科大讯飞星火大模型的真实业务场景，能产出高水平学术论文与开源贡献
- 技术门槛极高，需要同时具备算法理解与底层系统优化能力
- 适合对大模型底层系统、强化学习及高性能计算有浓厚兴趣，具备扎实计算机基础与极强工程落地能力的顶尖在校生
缺点 / 挑战
- 接触大模型最前沿的RL Infra技术，解决千亿级模型与十万级并发环境的工程挑战
- 面临大规模集群调试、显存溢出、通信瓶颈等复杂工程问题，抗压要求高
角色解读
- 从AI Infra实习生成长为大模型底层系统架构师或RL工程化专家
- 未来可向大模型训练框架负责人、AI系统架构师或顶尖AI研究员方向发展
- 负责大模型强化学习（RL）及智能体（AgentRL）训练底层基础设施的研发与优化
- 解决多模型混合训练、大规模环境并行、显存管理及分布式通信等系统级瓶颈
- 扎实的深度学习与强化学习算法基础（PPO/GRPO等），精通C/C++或Python及PyTorch
- 熟悉分布式系统、GPU集群调优及集合通信拓扑优化
申请策略
- 提前了解科大讯飞星火大模型的最新进展及AgentRL的相关论文，准备1-2个自己主导的复杂系统架构设计或性能优化案例
- 突出在分布式训练、GPU集群调优或RL框架（如DeepSpeed/vLLM）的二次开发经验
- 展示在顶会发表的系统优化或RL相关论文，以及开源框架的贡献记录
- 深入学习Megatron-LM/vLLM等推理与训练框架的源码，掌握分布式通信（All-Reduce/All-Gather）原理及显存优化技术
面试指南
- 采用“场景痛点分析 -> 架构设计方案 -> 核心优化点（如异步/解耦/缓存） -> 收益与指标”的结构进行回答
- 结合具体开源框架（如vLLM/DeepSpeed）的源码实现来佐证自己的方案
- 在AgentRL场景下，如何解决十万级并发环境实例的状态管理与I/O瓶颈？
- 请详细描述PPO/GRPO算法在分布式训练中的通信拓扑设计，如何降低同步开销？
- 在多模型混合部署时，你是如何设计显存感知调度策略以避免显存碎片化的？
- 如果训练任务在数天后出现节点故障，你的容错与恢复机制是如何设计的？
- 复习强化学习后训练算法（PPO/GRPO）的数学原理与工程实现，熟悉主流大模型训练/推理框架的底层机制
- 准备自己过往项目中的性能瓶颈排查与优化案例
职位点评
薪资福利75
成长发展95
工作生活50
使命价值85
薪资福利
75中等
作为顶尖AI人才计划的实习岗，薪资在实习生中处于较高水平，但JD未明确披露具体薪资与福利细节。
薪资信号未披露（AI估算：5–9千/月）
成长发展
95较高
岗位直击大模型RL Infra最前沿挑战，能接触千亿级模型与大规模集群，且有明确的开源与论文产出导向，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈PyTorch、DeepSpeed、Megatron-LM、vLLM、sglang、PPO、GRPO、Kubernetes、Slurm
成长机会星火X顶尖AI人才计划、输出学术论文、开源模块与最佳实践、提升公司在 RL Infra 方向的行业影响力
业务类型profit_center
工作生活
50较低
JD未提及工作模式与WLB相关信息，但大模型核心研发与集群调试通常伴随较高的工作强度与抗压要求。
工作模式未明确
办公地点科技园/产业园
加班情况JD含高强度暗示词
使命价值
85较高
推动大模型RL工程化标准演进，为开源社区贡献核心系统优化，具有极强的技术使命感与行业影响力。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号为开源社区贡献核心系统优化，推动 RL 工程化标准演进，提升公司在 RL Infra 方向的行业影响力
创新程度开拓性创新（行业首创）
科大讯飞 的其他在招职位
相似职位推荐
Watch Jobs