牛大妈在社招职位搜索智能体-强化学习infra与数据工程师-CodeBuddy 有 3 条结果

招聘城市：上海
…快速定位训练过程中的工程问题（性能、稳定性、资源瓶颈）；
7.良好的跨团队沟通能力，能准确理解算法需求并转化为工程方案；
8.自驱力强，乐于跟进前沿技术，具备快速学习与落地能力。
加分项：
1.有大规模 RL 训练平台（支持千级 GPU 集群、亿级样本回放）搭建经验；
2.熟悉智能体强化学习（Agentic RL）训练的基础设施优化方案；
3.有 GPU 显存 / 算力优化、网络传输优化（如 NCCL 调优）的实际案例；
4.开源项目贡献者（RL 框架、分布式训练工具等相关项目）；
5.具备实际业务场景的 RL 基础设施落地经验。
岗位介绍：
在腾讯，后台开发工程师不仅是“又快又稳”的问题解决专家，更是生态共创者。你将与技术团队一同沉淀优质代码…

招聘城市：深圳
…Debug 能力；
2.训练框架经验： 深入理解大模型分布式训练原理，具备 Megatron-LM、DeepSpeed 或 PyTorch FSDP 等主流框架的实际源码级开发与定制经验；
3.RL 与 RL Infra 储备： 熟悉大模型后训练与对齐技术（PPO、GRPO、DPO等），熟悉 Verl、ROLL，AReal 等强化学习/分布式计算框架，可以理解并解决 RL过程中的工程痛点；
4.综合素质： 具备极强的技术好奇心与自驱力，面对业界无先例的技术难题，能独立思考并推动解决。
岗位介绍：
渴望为世界带来新意的人，早已对描绘未来的“热词”不陌生——人工智能、机器学习、数据科学等等。腾讯始终在业界前沿不断探索，积极布局，并为优秀的你提供无限广阔的舞台。我们坚信科技的不断革新，最终能带来…

招聘城市：上海
…优化数据并行、模型并行、专家并行及异构计算体系，解决通信、显存、调度和训推性能瓶颈，提升 GPU 利用率与系统吞吐
3. 负责 LLM RL、Agentic RL Infra 的设计与研发，支撑 PPO、GRPO 等算法及大规模、多智能体、长链路 Agent 训练
4. 建设高性能 RL 训推系统，优化异步训推、Partial Rollout、分布式 Replay Buffer、样本流转、模型同步与资源调度
5. 跟进并落地强化学习、分布式训练和大模型推理领域的前沿技术，包括 VERL、rLLM、Agent Lightning、Ray、Megatron-LM 等，持续提升训练平台的性能、稳定性和技术领先性
任职要求：
1.计算机科学、软件工程、人工智能等相关专业，3年以上工程化开发经验（含1年以上 RL 或深度学习基础设施相关经验）
2.熟练…