淘宝闪购-C端Agent - AI Infra专家-上海

岗位职责

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
2. 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
3. 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
4. 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
5. 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

任职要求

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） 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） 3.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） 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 5.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 6.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） 7.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 8.自驱力强，乐于跟进前沿技术，具备快速学习与落地能力

岗位标签

NEW