主分类：AI训练推理与计算优化
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "【基座大模型北斗实习】大模型后训练研究",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "未披露",
"location": "北京市 / 上海市",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "美团",
"company_industry": "科技零售 / 生活服务",
"company_size": "10000人以上",
"company_website": "meituan.com",
"company_description": "美团通过科技推动服务零售和商品零售的数字化，连接消费者与商户。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "简介：负责大规模强化学习系统设计、分布式调优、调度优化、算法 co-design等，包括不限于 RLHF、RLVR、Agentic RL等范式。和算法共同提升模型各类专项能力，应用生产力等等\n\n你可能从事以下方向：\n1、RL训练系统架构\n①设计和实现支持 PPO及各类变种算法的高效训练框架。\n②Data/Env Scaling，优化并发调度效率 。\n2、在线采样 & Rollout 优化\n①优化RL场景（longcot、长尾分布、多轮交互）推理引擎效率，包括不限于量化、MTP、并行切分等等。\n②训推混部署、全流程异步训练，提升 GPU 利用率。\n3、 训推一致性\n①训推引擎天然为了各自最大化效率存在精度差异，研究如何不断降低两者diff，包括不限于 Routing Replay、确定性计算等等。\n4、训练稳定性\n①攻克RL训练特有的奖励Hacking、训练不稳定、KL爆炸等系统层面问题。\n②设计细粒度的训练过程监控：reward曲线、KL散度、entropy变化实时可观测。\n③优化 PPO clip、advantage normalization 等关键超参的自动调节机制。\n5.、长程任务训练优化\n①长程任务奖励稀疏、过程难精确控制，研究如何系统性的优化其中工程和算法挑战。",
"requirements_text": "1、了解 PPO / GRPO / DPO 算法原理，最好动手实现过；\n2、用过 veRL / OpenRLHF / TRL 等RL训练框架；\n3、有 vLLM / SGLang / TensorRT-LLM 推理加速经验（rollout优化必备）；\n4、做过多机多卡训练，理解显存管理和通信开销；\n5、RL系统相关顶会论文（NeurIPS/ICML/ICLR/MLSys）。",
"skills": [AI生成
"大语言模型"
],
"preferred_qualifications": "未披露",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4346554693&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4346554693",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4346554693&jobShareType=1"
},
"fulltext": "【基座大模型北斗实习】大模型后训练研究\n【基座大模型北斗实习】大模型后训练研究\n\n基础信息\n工作地点：北京市 / 上海市\n职位类别：技术类\n职位族群：算法\n更新时间：2026-04-03\n\n岗位职责\n简介：负责大规模强化学习系统设计、分布式调优、调度优化、算法 co-design等，包括不限于 RLHF、RLVR、Agentic RL等范式。和算法共同提升模型各类专项能力，应用生产力等等\n\n你可能从事以下方向：\n1、RL训练系统架构\n①设计和实现支持 PPO及各类变种算法的高效训练框架。\n②Data/Env Scaling，优化并发调度效率 。\n2、在线采样 & Rollout 优化\n①优化RL场景（longcot、长尾分布、多轮交互）推理引擎效率，包括不限于量化、MTP、并行切分等等。\n②训推混部署、全流程异步训练，提升 GPU 利用率。\n3、 训推一致性\n①训推引擎天然为了各自最大化效率存在精度差异，研究如何不断降低两者diff，包括不限于 Routing Replay、确定性计算等等。\n4、训练稳定性\n①攻克RL训练特有的奖励Hacking、训练不稳定、KL爆炸等系统层面问题。\n②设计细粒度的训练过程监控：reward曲线、KL散度、entropy变化实时可观测。\n③优化 PPO clip、advantage normalization 等关键超参的自动调节机制。\n5.、长程任务训练优化\n①长程任务奖励稀疏、过程难精确控制，研究如何系统性的优化其中工程和算法挑战。\n\n岗位基本要求\n1、了解 PPO / GRPO / DPO 算法原理，最好动手实现过；\n2、用过 veRL / OpenRLHF / TRL 等RL训练框架；\n3、有 vLLM / SGLang / TensorRT-LLM 推理加速经验（rollout优化必备）；\n4、做过多机多卡训练，理解显存管理和通信开销；\n5、RL系统相关顶会论文（NeurIPS/ICML/ICLR/MLSys）。\n简介：负责大规模强化学习系统设计、分布式调优、调度优化、算法 co-design等，包括不限于 RLHF、RLVR、Agentic RL等范式。和算法共同提升模型各类专项能力，应用生产力等等\n\n你可能从事以下方向：\n1、RL训练系统架构\n①设计和实现支持 PPO及各类变种算法的高效训练框架。\n②Data/Env Scaling，优化并发调度效率 。\n2、在线采样 & Rollout 优化\n①优化RL场景（longcot、长尾分布、多轮交互）推理引擎效率，包括不限于量化、MTP、并行切分等等。\n②训推混部署、全流程异步训练，提升 GPU 利用率。\n3、 训推一致性\n①训推引擎天然为了各自最大化效率存在精度差异，研究如何不断降低两者diff，包括不限于 Routing Replay、确定性计算等等。\n4、训练稳定性\n①攻克RL训练特有的奖励Hacking、训练不稳定、KL爆炸等系统层面问题。\n②设计细粒度的训练过程监控：reward曲线、KL散度、entropy变化实时可观测。\n③优化 PPO clip、advantage normalization 等关键超参的自动调节机制。\n5.、长程任务训练优化\n①长程任务奖励稀疏、过程难精确控制，研究如何系统性的优化其中工程和算法挑战。\n1、了解 PPO / GRPO / DPO 算法原理，最好动手实现过；\n2、用过 veRL / OpenRLHF / TRL 等RL训练框架；\n3、有 vLLM / SGLang / TensorRT-LLM 推理加速经验（rollout优化必备）；\n4、做过多机多卡训练，理解显存管理和通信开销；\n5、RL系统相关顶会论文（NeurIPS/ICML/ICLR/MLSys）。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}