英伟达
Deep Learning Solution Architect - RL and Post-training
Deep Learning Solution Architect - RL and Post-training
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Ai Architecture
Distributed Training
Pytorch
Reinforcement Learning
Rlhf/Dpo
值不值得投
82综合评分
综合评分 82
聚焦RL与大模型前沿技术、外企高潜平台、技术成长导向强、WLB待确认
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
8.0万
比人工智能中位数高
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 510 个在招 · 其中人工智能 13 个
市场机会
选择面较广
北京 · 人工智能 · 约 690 个在招
职位详情
关于这个职位
负责设计并优化基于强化学习（RL）和大语言模型的后训练架构与基础设施
结合PyTorch与分布式训练技术，推动前沿RL方法在NVIDIA平台的落地应用
为客户提供技术指导，搭建可复用工具链与实验管理流程，加速AI工作流集成
最低要求
计算机科学、人工智能、数学或相关领域的硕士或博士学位，具备扎实的算法与编程基础
年以上强化学习、大语言模型训练或多模态学习经验（含研究经历）
精通PyTorch，熟悉RL训练框架与工作流
具备强大的工程能力，有分布式训练、任务编排或评估流水线经验
能够独立开展工作，日常指导需求少，并愿意对前沿问题进行探索性实验
渴望参与多个多样化且创新的项目
出色的口头与书面沟通能力
工作职责
驱动并优化用于大语言模型和多模态模型的强化学习算法及基础设施的开发
在NVIDIA RL和后训练框架中开发并启用对开源模型的支持
与内部研究和工程团队协作，适配并验证最先进的RL方法及优化措施至NVIDIA平台
提升与客户在强化学习方面的合作与互动，提供技术指导以将NVIDIA RL技术集成到客户的AI工作流中
开发并维护可复用的工具链、实验管理工作流及技术文档，以加速内部及面向客户的项目
优先资格
具有RLHF、GRPO、DPO或其他LLM对齐与后训练方法的经验
具有大规模模型训练的扩展HPC或云架构经验
具有CUDA优化或GPU性能调优经验
具有Agentic AI系统、代码生成模型或多模态RL的经验
在RL、NLP或多模态学习顶级会议/期刊发表过论文
AI 洞察
优缺点分析
优点
- 接触全球最前沿的AI计算技术与硬件生态
- 项目具有高度创新性与行业影响力
- 外企文化注重技术深度与个人成长
- 技术迭代极快，需持续跟进RL与大模型最新进展
- 跨部门协作频繁，需平衡内部研发节奏与客户交付需求
缺点 / 挑战
- 适合具备扎实算法功底与工程落地能力、热爱前沿技术研究且能接受高强度技术挑战的资深AI从业者
角色解读
- 可向首席AI架构师、高级技术专家路线发展
- 也可横向拓展至AI产品商业化或技术销售架构方向，成为连接前沿研究与产业落地的核心枢纽
- 负责大模型与多模态AI系统的强化学习算法设计与基础设施优化
- 将前沿RL方法适配至NVIDIA硬件与软件栈
- 为外部客户提供技术集成指导与架构方案
- 精通PyTorch与分布式训练架构
- 掌握RLHF/DPO等LLM后训练技术
- 具备CUDA/GPU性能调优能力
- 拥有优秀的跨团队协作与技术沟通能力
申请策略
- 提前了解NVIDIA在AI推理与训练侧的最新发布
- 准备1-2个完整的从算法设计到工程部署的案例，面试时重点展示技术选型与踩坑复盘
- 突出RL/LLM相关项目成果，量化算法优化指标（如训练效率提升、收敛速度）
- 强调PyTorch与分布式训练实战经验
- 列出顶会论文或开源贡献
- 深入研读RLHF/DPO最新论文并动手复现
- 熟悉NVIDIA CUDA Toolkit与TensorRT等生态工具
- 提升技术方案撰写与演讲能力
面试指南
- 采用STAR法则结构化回答
- 先阐明业务背景与目标，再拆解技术难点，详细说明方案选型依据、实验对比过程及最终量化收益
- 最后总结可复用的方法论
- 请分享一个你主导的RL或LLM后训练项目，遇到的最大技术瓶颈及如何解决？
- 如何设计支持千卡并行的大模型训练架构？
- 针对客户特定的业务场景，你会如何将NVIDIA的RL技术栈进行定制化集成？
- 复习分布式训练通信原理（如Ring AllReduce）与显存优化策略
- 梳理近半年顶会RL/NLP核心论文
职位点评
薪资福利85
成长发展92
工作生活65
使命价值80
薪资福利
85较高
薪资福利标注为极具竞争力，结合高阶技术要求与外企背景，整体薪酬包在市场处于偏高水平，稳定性与福利保障完善。
薪资信号偏高 (6.0千–10.0万/月)
成长发展
92较高
岗位聚焦RL与大模型后训练等前沿领域，直接对接内部顶尖研发团队，技术成长空间广阔，晋升通道清晰。
技术前沿前沿/新兴技术
技术栈Reinforcement Learning、Large Language Models、PyTorch、CUDA Optimization、RLHF
业务类型ambiguous
工作生活
65中等
外企通常提供较好的工作生活平衡，但岗位涉及前沿探索与客户技术支持，可能存在阶段性高强度投入。JD未明确办公模式，按常规推断为混合或现场。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
80较高
致力于推动AI计算技术在多行业的落地应用，技术具有显著的行业赋能价值与社会前瞻性。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
英伟达 的其他在招职位
相似职位推荐
Watch Jobs