{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "淘宝闪购-C端Agent - AI Infra专家-上海",
        "job_level": "专家",AI生成
        "work_category": "全职",AI生成
        "department": "淘宝闪购",
        "location": "上海",
        "work_mode": "未披露",AI生成
        "job_category": "技术类-算法"AI生成
    },
    "company": {
        "company_name": "饿了么",
        "company_industry": "即时零售 / 生活服务",
        "company_size": "未披露",
        "company_website": "alibaba.com",
        "company_description": "饿了么相关平台为用户和商户提供生活服务及即时零售服务。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": 3,
        "degree": "本科",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1. 负责百亿至万亿参数规模稠密、稀疏模型的训练与推理 Infra 建设，支撑千卡集群上的高效、稳定运行\n2. 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\n3. 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\n4. 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\n5. 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",
        "requirements_text": "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）\n2.熟练掌握 Python编程，具备扎实的工程编码能力，熟悉 C/C++ 者优先（底层优化场景）\n3.深入理解深度学习框架（PyTorch），精通分布式训练原理与实践（FSDP/DeepSpeed/Megatron/Ray 等工具使用经验）\n4.具备强化学习基础，理解 RL 训练流程（智能体、环境、奖励机制、经验回放等核心组件），熟悉主流 RL 框架（Ray、VERL、rllm、Agentlightning）者优先\n5.具备复杂系统设计能力，能独立负责基础设施模块的从0到1搭建\n6.强问题排查能力，能快速定位训练过程中的工程问题（性能、稳定性、资源瓶颈）\n7.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\n8.自驱力强，乐于跟进前沿技术，具备快速学习与落地能力",
        "skills": [AI生成
            "Python",
            "C++",
            "PyTorch",
            "深度学习",
            "强化学习",
            "沟通能力",
            "智能体开发",
            "C语言"
        ],
        "preferred_qualifications": "2.熟练掌握 Python编程，具备扎实的工程编码能力，熟悉 C/C++ 者优先（底层优化场景）；4.具备强化学习基础，理解 RL 训练流程（智能体、环境、奖励机制、经验回放等核心组件），熟悉主流 RL 框架（Ray、VERL、rllm、Agentlightning）者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://talent.ele.me/off-campus/position-detail?positionId=100003549003"
            }
        ]
    },
    "posting": {
        "posting_id": "100003549003",
        "post_date": "2026-08-18",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://talent.ele.me/off-campus/position-detail?positionId=100003549003"
    },
    "fulltext": "淘宝闪购-C端Agent - AI Infra专家-上海\n淘宝闪购-C端Agent - AI Infra专家-上海\n\n基础信息\n职位类别：技术类-算法\n工作地点：上海\n\n职位描述\n1. 负责百亿至万亿参数规模稠密、稀疏模型的训练与推理 Infra 建设，支撑千卡集群上的高效、稳定运行\n2. 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\n3. 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\n4. 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\n5. 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\n\n职位要求\n1.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）\n2.熟练掌握 Python编程，具备扎实的工程编码能力，熟悉 C/C++ 者优先（底层优化场景）\n3.深入理解深度学习框架（PyTorch），精通分布式训练原理与实践（FSDP/DeepSpeed/Megatron/Ray 等工具使用经验）\n4.具备强化学习基础，理解 RL 训练流程（智能体、环境、奖励机制、经验回放等核心组件），熟悉主流 RL 框架（Ray、VERL、rllm、Agentlightning）者优先\n5.具备复杂系统设计能力，能独立负责基础设施模块的从0到1搭建\n6.强问题排查能力，能快速定位训练过程中的工程问题（性能、稳定性、资源瓶颈）\n7.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\n8.自驱力强，乐于跟进前沿技术，具备快速学习与落地能力\n1. 负责百亿至万亿参数规模稠密、稀疏模型的训练与推理 Infra 建设，支撑千卡集群上的高效、稳定运行\n2. 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\n3. 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\n4. 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\n5. 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\n1.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）\n2.熟练掌握 Python编程，具备扎实的工程编码能力，熟悉 C/C++ 者优先（底层优化场景）\n3.深入理解深度学习框架（PyTorch），精通分布式训练原理与实践（FSDP/DeepSpeed/Megatron/Ray 等工具使用经验）\n4.具备强化学习基础，理解 RL 训练流程（智能体、环境、奖励机制、经验回放等核心组件），熟悉主流 RL 框架（Ray、VERL、rllm、Agentlightning）者优先\n5.具备复杂系统设计能力，能独立负责基础设施模块的从0到1搭建\n6.强问题排查能力，能快速定位训练过程中的工程问题（性能、稳定性、资源瓶颈）\n7.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\n8.自驱力强，乐于跟进前沿技术，具备快速学习与落地能力",
    "standard_classification": {
        "std_category_code": "T014",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}