{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "强化学习框架研发工程师-【可灵】",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "D11722",
        "location": "Beijing / Shanghai",
        "work_mode": "未披露",AI生成
        "job_category": "J0012"AI生成
    },
    "company": {
        "company_name": "快手科技",
        "company_industry": "内容社区 / 直播 / 电商 / 人工智能",
        "company_size": "10000人以上",
        "company_website": "kuaishou.com",
        "company_description": "快手是内容社区与技术平台公司，业务覆盖短视频、直播、电商、本地生活与 AI 应用。"
    },
    "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": "强化学习框架研发工程师-【可灵】\n\n基础信息\n招聘类型：社招\n职位类别：J0012\n工作地点：Beijing / Shanghai\n所属部门：D11722\n发布时间：2026-07-31\n\n岗位职责\n1. 参与强化学习框架底座研发，面向生成理解统一与 Diffusion 场景下的 Agentic RL，提供高吞吐、易用、可扩展的训练与推理能力；\n2. 针对 Agentic RL / Diffusion Agentic RL 做训推一体化优化，重点保障训推一致性，并推进 Flow GRPO、Refl 等算法在框架侧的高效落地；\n3. 优化推理侧长尾问题，深入 KV Cache 管理、调度与资源复用等路径，持续提升在线与离线推理稳定性与效率；\n4. 调研并落地业界最新 RL / 训推技术与性能工具，完成与训练、推理、分布式等框架的对接与集成。\n\n任职要求\n1. 具备良好的团队协作能力，热爱钻研技术，善于分析并解决复杂工程问题；\n2. 有深度学习与强化学习基础，熟悉 Transformer / GPT 等模型结构，了解 RLHF / Agentic RL 相关范式更佳；\n3. 对开源强化学习框架（如 veRL Omni、slime 等）有深入了解，有二次开发或性能优化经验者优先；\n5. 对推理框架（如 vLLM、SGLang 等）有较深入了解，熟悉 KV Cache、调度与长尾优化相关实践；\n6. 对训练框架（如 TorchTitan、Megatron 等）有较深入了解，具备分布式训练或 HPC 基础；\n7. 对分布式框架（如 Ray 等）有较多了解，熟悉集合通信更佳；了解 CUDA 编程者优先。",
        "requirements_text": "强化学习框架研发工程师-【可灵】\n\n基础信息\n招聘类型：社招\n职位类别：J0012\n工作地点：Beijing / Shanghai\n所属部门：D11722\n发布时间：2026-07-31\n\n岗位职责\n1. 参与强化学习框架底座研发，面向生成理解统一与 Diffusion 场景下的 Agentic RL，提供高吞吐、易用、可扩展的训练与推理能力；\n2. 针对 Agentic RL / Diffusion Agentic RL 做训推一体化优化，重点保障训推一致性，并推进 Flow GRPO、Refl 等算法在框架侧的高效落地；\n3. 优化推理侧长尾问题，深入 KV Cache 管理、调度与资源复用等路径，持续提升在线与离线推理稳定性与效率；\n4. 调研并落地业界最新 RL / 训推技术与性能工具，完成与训练、推理、分布式等框架的对接与集成。\n\n任职要求\n1. 具备良好的团队协作能力，热爱钻研技术，善于分析并解决复杂工程问题；\n2. 有深度学习与强化学习基础，熟悉 Transformer / GPT 等模型结构，了解 RLHF / Agentic RL 相关范式更佳；\n3. 对开源强化学习框架（如 veRL Omni、slime 等）有深入了解，有二次开发或性能优化经验者优先；\n5. 对推理框架（如 vLLM、SGLang 等）有较深入了解，熟悉 KV Cache、调度与长尾优化相关实践；\n6. 对训练框架（如 TorchTitan、Megatron 等）有较深入了解，具备分布式训练或 HPC 基础；\n7. 对分布式框架（如 Ray 等）有较多了解，熟悉集合通信更佳；了解 CUDA 编程者优先。",
        "skills": [AI生成
            "CUDA",
            "深度学习",
            "强化学习",
            "性能优化",
            "团队协作",
            "招聘"
        ],
        "preferred_qualifications": "3. 对开源强化学习框架（如 veRL Omni、slime 等）有深入了解，有二次开发或性能优化经验者优先；了解 CUDA 编程者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://zhaopin.kuaishou.cn/recruit/e/#/official/social/job-info/31842"
            }
        ]
    },
    "posting": {
        "posting_id": "31842",
        "post_date": "2026-07-31",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://zhaopin.kuaishou.cn/recruit/e/#/official/social/job-info/31842"
    },
    "fulltext": "强化学习框架研发工程师-【可灵】\n强化学习框架研发工程师-【可灵】\n\n基础信息\n招聘类型：社招\n职位类别：J0012\n工作地点：Beijing / Shanghai\n所属部门：D11722\n发布时间：2026-07-31\n\n岗位职责\n1. 参与强化学习框架底座研发，面向生成理解统一与 Diffusion 场景下的 Agentic RL，提供高吞吐、易用、可扩展的训练与推理能力；\n2. 针对 Agentic RL / Diffusion Agentic RL 做训推一体化优化，重点保障训推一致性，并推进 Flow GRPO、Refl 等算法在框架侧的高效落地；\n3. 优化推理侧长尾问题，深入 KV Cache 管理、调度与资源复用等路径，持续提升在线与离线推理稳定性与效率；\n4. 调研并落地业界最新 RL / 训推技术与性能工具，完成与训练、推理、分布式等框架的对接与集成。\n\n任职要求\n1. 具备良好的团队协作能力，热爱钻研技术，善于分析并解决复杂工程问题；\n2. 有深度学习与强化学习基础，熟悉 Transformer / GPT 等模型结构，了解 RLHF / Agentic RL 相关范式更佳；\n3. 对开源强化学习框架（如 veRL Omni、slime 等）有深入了解，有二次开发或性能优化经验者优先；\n5. 对推理框架（如 vLLM、SGLang 等）有较深入了解，熟悉 KV Cache、调度与长尾优化相关实践；\n6. 对训练框架（如 TorchTitan、Megatron 等）有较深入了解，具备分布式训练或 HPC 基础；\n7. 对分布式框架（如 Ray 等）有较多了解，熟悉集合通信更佳；了解 CUDA 编程者优先。\n强化学习框架研发工程师-【可灵】\n\n基础信息\n招聘类型：社招\n职位类别：J0012\n工作地点：Beijing / Shanghai\n所属部门：D11722\n发布时间：2026-07-31\n\n岗位职责\n1. 参与强化学习框架底座研发，面向生成理解统一与 Diffusion 场景下的 Agentic RL，提供高吞吐、易用、可扩展的训练与推理能力；\n2. 针对 Agentic RL / Diffusion Agentic RL 做训推一体化优化，重点保障训推一致性，并推进 Flow GRPO、Refl 等算法在框架侧的高效落地；\n3. 优化推理侧长尾问题，深入 KV Cache 管理、调度与资源复用等路径，持续提升在线与离线推理稳定性与效率；\n4. 调研并落地业界最新 RL / 训推技术与性能工具，完成与训练、推理、分布式等框架的对接与集成。\n\n任职要求\n1. 具备良好的团队协作能力，热爱钻研技术，善于分析并解决复杂工程问题；\n2. 有深度学习与强化学习基础，熟悉 Transformer / GPT 等模型结构，了解 RLHF / Agentic RL 相关范式更佳；\n3. 对开源强化学习框架（如 veRL Omni、slime 等）有深入了解，有二次开发或性能优化经验者优先；\n5. 对推理框架（如 vLLM、SGLang 等）有较深入了解，熟悉 KV Cache、调度与长尾优化相关实践；\n6. 对训练框架（如 TorchTitan、Megatron 等）有较深入了解，具备分布式训练或 HPC 基础；\n7. 对分布式框架（如 Ray 等）有较多了解，熟悉集合通信更佳；了解 CUDA 编程者优先。\n强化学习框架研发工程师-【可灵】\n\n基础信息\n招聘类型：社招\n职位类别：J0012\n工作地点：Beijing / Shanghai\n所属部门：D11722\n发布时间：2026-07-31\n\n岗位职责\n1. 参与强化学习框架底座研发，面向生成理解统一与 Diffusion 场景下的 Agentic RL，提供高吞吐、易用、可扩展的训练与推理能力；\n2. 针对 Agentic RL / Diffusion Agentic RL 做训推一体化优化，重点保障训推一致性，并推进 Flow GRPO、Refl 等算法在框架侧的高效落地；\n3. 优化推理侧长尾问题，深入 KV Cache 管理、调度与资源复用等路径，持续提升在线与离线推理稳定性与效率；\n4. 调研并落地业界最新 RL / 训推技术与性能工具，完成与训练、推理、分布式等框架的对接与集成。\n\n任职要求\n1. 具备良好的团队协作能力，热爱钻研技术，善于分析并解决复杂工程问题；\n2. 有深度学习与强化学习基础，熟悉 Transformer / GPT 等模型结构，了解 RLHF / Agentic RL 相关范式更佳；\n3. 对开源强化学习框架（如 veRL Omni、slime 等）有深入了解，有二次开发或性能优化经验者优先；\n5. 对推理框架（如 vLLM、SGLang 等）有较深入了解，熟悉 KV Cache、调度与长尾优化相关实践；\n6. 对训练框架（如 TorchTitan、Megatron 等）有较深入了解，具备分布式训练或 HPC 基础；\n7. 对分布式框架（如 Ray 等）有较多了解，熟悉集合通信更佳；了解 CUDA 编程者优先。",
    "standard_classification": {
        "std_category_code": "T014",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}