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": "强化学习训练框架工程师（火山引擎机器学习平台）-Data AML",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "机器学习"AI生成
},
"company": {
"company_name": "字节跳动",
"company_industry": "互联网 / 数字内容 / 电商",
"company_size": "10000人以上",
"company_website": "bytedance.com",
"company_description": "字节跳动提供内容创作、信息分发、电商和协作产品，旗下产品包括抖音、今日头条、TikTok和飞书。"
},
"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": "1、veRL框架研发与优化：主导veRL架的核心功能设计与开发，聚焦性能优化与稳定性提升，推动框架在复杂场景（如Agent、Compute Use）下的规模化应用；同时深度参与开源社区生态建设（如技术贡献、文档维护、社区活动组织）；\n2、veOmini LLM/DiT训练框架研发与优化：负责veOmini中LLM与DiT训练模块的开发与优化，支持Wan2.1/Qwen/DeepSeek等热点模型的高效后训练和强化学习。",
"requirements_text": "1、熟练掌握Linux环境下C/C++、Python编程，具备高效的代码实现与调试能力；\n2、深度掌握PyTorch框架，掌握Profiling、调优方式，了解其底层原理；\n3、具备训练框架（如Megatron-LM、DeepSpeed、TorchTuner）或推理框架（如vLLM、SG-Lang、TensorRT）的开发和优化经验；\n4、熟悉大模型（LLM、DiT）的训练特性，具备模型训练性能瓶颈分析与调优能力；\n5、有大规模分布式系统开发或运维经验，熟悉分布式通信库（RPC、NCCL、MPI）的使用与调优。\n\n加分项\n1、有GitHub开源社区技术热门项目贡献经验（代码提交、问题解决、文档维护等）；\n2、熟悉强化学习（RL）任务特点，具备RL框架或算法优化经验。",
"skills": [AI生成
"Python",
"C++",
"Linux",
"PyTorch",
"强化学习",
"分布式系统",
"模型训练",
"大语言模型"
],
"preferred_qualifications": "加分项",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7504181595093764359/detail"
}
]
},
"posting": {
"posting_id": "7504181595093764359",
"post_date": "2025-05-14",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7504181595093764359/detail"
},
"fulltext": "强化学习训练框架工程师（火山引擎机器学习平台）-Data AML\n职位描述\n1、veRL框架研发与优化：主导veRL架的核心功能设计与开发，聚焦性能优化与稳定性提升，推动框架在复杂场景（如Agent、Compute Use）下的规模化应用；同时深度参与开源社区生态建设（如技术贡献、文档维护、社区活动组织）；\n2、veOmini LLM/DiT训练框架研发与优化：负责veOmini中LLM与DiT训练模块的开发与优化，支持Wan2.1/Qwen/DeepSeek等热点模型的高效后训练和强化学习。\n\n职位要求\n1、熟练掌握Linux环境下C/C++、Python编程，具备高效的代码实现与调试能力；\n2、深度掌握PyTorch框架，掌握Profiling、调优方式，了解其底层原理；\n3、具备训练框架（如Megatron-LM、DeepSpeed、TorchTuner）或推理框架（如vLLM、SG-Lang、TensorRT）的开发和优化经验；\n4、熟悉大模型（LLM、DiT）的训练特性，具备模型训练性能瓶颈分析与调优能力；\n5、有大规模分布式系统开发或运维经验，熟悉分布式通信库（RPC、NCCL、MPI）的使用与调优。\n\n加分项\n1、有GitHub开源社区技术热门项目贡献经验（代码提交、问题解决、文档维护等）；\n2、熟悉强化学习（RL）任务特点，具备RL框架或算法优化经验。\n1、veRL框架研发与优化：主导veRL架的核心功能设计与开发，聚焦性能优化与稳定性提升，推动框架在复杂场景（如Agent、Compute Use）下的规模化应用；同时深度参与开源社区生态建设（如技术贡献、文档维护、社区活动组织）；\n2、veOmini LLM/DiT训练框架研发与优化：负责veOmini中LLM与DiT训练模块的开发与优化，支持Wan2.1/Qwen/DeepSeek等热点模型的高效后训练和强化学习。\n1、熟练掌握Linux环境下C/C++、Python编程，具备高效的代码实现与调试能力；\n2、深度掌握PyTorch框架，掌握Profiling、调优方式，了解其底层原理；\n3、具备训练框架（如Megatron-LM、DeepSpeed、TorchTuner）或推理框架（如vLLM、SG-Lang、TensorRT）的开发和优化经验；\n4、熟悉大模型（LLM、DiT）的训练特性，具备模型训练性能瓶颈分析与调优能力；\n5、有大规模分布式系统开发或运维经验，熟悉分布式通信库（RPC、NCCL、MPI）的使用与调优。\n\n加分项\n1、有GitHub开源社区技术热门项目贡献经验（代码提交、问题解决、文档维护等）；\n2、熟悉强化学习（RL）任务特点，具备RL框架或算法优化经验。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}