{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "深圳-AI Infra 强化学习工程师（基座研发方向）(J101230)",
        "job_level": "",AI生成
        "work_category": "校招",AI生成
        "department": "",
        "location": "深圳市",
        "work_mode": "",AI生成
        "job_category": "技术"AI生成
    },
    "company": {
        "company_name": "百度",
        "company_industry": "",
        "company_size": "",
        "company_website": "",
        "company_description": ""
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "",
            "cycle": ""
        },
        "benefits": ""
    },
    "requirements": {
        "working_years": "",
        "degree": "",
        "language": "",AI生成
        "visa_support": "",
        "responsibilities": "深圳-AI Infra 强化学习工程师（基座研发方向）(J101230)\n\n基础信息\n地点：深圳市\n项目：校招\n类别：技术\n招聘人数：5\n发布时间：2026-07-21\n\n工作职责\n-研发高可扩展的分离式强化学习训练框架，实现训练、推理、环境、奖励的解耦与高效协同，提升 RL Scaling 效率\n-优化全异步 RL 训练范式，攻坚推理调度、动态批处理、KV Cache 复用等性能瓶颈，与 vLLM / SGLang 等推理栈深度对接\n-深度参与算法 + 工程联合优化，解决异步训练稳定性、训推一致性、长序列与稀疏奖励等核心问题，探索 On-Policy Distillation 等新训练范式\n-构建超大规模后训练平台，实现细粒度容错、断点续训、动态扩缩容、无感故障恢复，保障超大规模训练任务稳定运行\n-基于 K8s / Ray 设计大规模异构资源调度体系，结合 Mooncake 等技术构建分布式 KV Cache 池化与高速传输能力，持续提升训练有效率与资源利用率\n-研发全流程可观测性体系，构建算法指标、系统指标、轨迹质量监控一体化平台，探索 AI Agent 驱动的自动化实验与自迭代实验平台\n\n职责要求\n-本科及以上学历，计算机、软件工程、人工智能等相关专业\n-扎实的工程基础，熟练掌握 Python / Go / C++ 中至少一种，有PyTorch / DeepSpeed / Megatron / MSSwift 等框架使用经验\n-了解分布式训练、并行策略或大规模系统调度中至少一个领域\n-对强化学习算法原理有基本理解，或有相关实践经验者优先\n-自驱力强，敢于攻坚复杂系统问题，对算法前沿保持真实的好奇心\n-有以下经验者优先：veRL / Slime 等 RL 框架使用或贡献、vLLM / SGLang 等推理引擎优化、K8s / Ray 等调度系统研发、Reasoning RL / Agentic RL 训练实战、开源贡献或顶会论文（OSDI / SOSP / NSDI / MLSys / NeurIPS / ICML / ICLR 等）",
        "requirements_text": "",
        "skills": [],AI生成
        "preferred_qualifications": "",
        "job_highlights": ""
    },
    "contact": {
        "recruiter_name": "",
        "contact_methods": []
    },
    "posting": {
        "posting_id": "9c20ea8d-db12-4bea-8c69-292391ba31d4",
        "post_date": "2026-07-21",
        "hire_time": "",
        "update_date": "",
        "job_url": "https://talent.baidu.com/jobs/detail/GRADUATE/9c20ea8d-db12-4bea-8c69-292391ba31d4"
    },
    "fulltext": "深圳-AI Infra 强化学习工程师（基座研发方向）(J101230)\n\n基础信息\n地点：深圳市\n项目：校招\n类别：技术\n招聘人数：5\n发布时间：2026-07-21\n\n工作职责\n-研发高可扩展的分离式强化学习训练框架，实现训练、推理、环境、奖励的解耦与高效协同，提升 RL Scaling 效率\n-优化全异步 RL 训练范式，攻坚推理调度、动态批处理、KV Cache 复用等性能瓶颈，与 vLLM / SGLang 等推理栈深度对接\n-深度参与算法 + 工程联合优化，解决异步训练稳定性、训推一致性、长序列与稀疏奖励等核心问题，探索 On-Policy Distillation 等新训练范式\n-构建超大规模后训练平台，实现细粒度容错、断点续训、动态扩缩容、无感故障恢复，保障超大规模训练任务稳定运行\n-基于 K8s / Ray 设计大规模异构资源调度体系，结合 Mooncake 等技术构建分布式 KV Cache 池化与高速传输能力，持续提升训练有效率与资源利用率\n-研发全流程可观测性体系，构建算法指标、系统指标、轨迹质量监控一体化平台，探索 AI Agent 驱动的自动化实验与自迭代实验平台\n\n职责要求\n-本科及以上学历，计算机、软件工程、人工智能等相关专业\n-扎实的工程基础，熟练掌握 Python / Go / C++ 中至少一种，有PyTorch / DeepSpeed / Megatron / MSSwift 等框架使用经验\n-了解分布式训练、并行策略或大规模系统调度中至少一个领域\n-对强化学习算法原理有基本理解，或有相关实践经验者优先\n-自驱力强，敢于攻坚复杂系统问题，对算法前沿保持真实的好奇心\n-有以下经验者优先：veRL / Slime 等 RL 框架使用或贡献、vLLM / SGLang 等推理引擎优化、K8s / Ray 等调度系统研发、Reasoning RL / Agentic RL 训练实战、开源贡献或顶会论文（OSDI / SOSP / NSDI / MLSys / NeurIPS / ICML / ICLR 等）"
}