🚀 We're Hiring!! | 加入我们！

[Yangruipis]

📕 小红书 AI 平台团队(AI Infra Team at Xiaohongshu） 招人啦！

• 岗位1：小红书 · 大模型强化学习训练引擎研发工程师（练习生）
• 岗位2：小红书 · 全模态长程 Agentic RL 框架顶尖实习生

---

岗位1：小红书 · 大模型强化学习训练引擎研发工程师（练习生）

• 岗位类型：实习生（练习生，面向27校招转化）🌱
• 工作地点： 北京 / 上海

🛠️ 工作职责

1. Agentic RL 训练框架研发 ⚡
   参与开发现代 Agentic RL 训练框架，支撑复杂环境下长程任务的稳定训练；

2. 多模态 RL 算法流程适配 🤖
   参与百 B 以上多模态强化学习算法流程适配（如 DAPO 等），各领域任务的 RL 正确性验证；

3. 并行策略实验与调优 🔬
   实验并调优不同并行策略（Tensor / ZeRO / FSDP / Pipeline Parallelism）在超大规模模型上的最佳配置组合；

4. 性能瓶颈诊断与优化 🔍
   协助定位分析分布式训练中的关键性能瓶颈（如 GPU 利用率低、显存瓶颈、网络通信阻塞、I/O 延迟等），设计并实施优化方案进行验证；

5. 训练引擎核心特性研发 🧩
   参与研发 / 优化训练引擎的关键特性，如大规模集群下的稳定断点续训、高性能异步 Rollout 机制、以及高性能算子（Kernel）的集成与优化。

---

✅ 任职资格

• 💻 优秀的代码能力、数据结构和基础算法功底，熟悉 Python 开发，熟悉 Linux / Git 开发环境；
• 🤝 有较好的学习能力、沟通协作能力和自驱力，能和团队一起探索新技术，推进技术进步（⭐️ 有大牛带着成长）；
• 🧠 熟悉至少一种主流基础深度学习训练框架（TensorFlow / PyTorch / PaddlePaddle 等）的使用和实现；
• 📚 了解主流 LLM 模型结构，使用过至少一种主流 LLM 训练框架（Megatron-LM / DeepSpeed / veRL 等）。

---

🌟 加分项

• 🔧 熟悉 DP / TP / PP / ZeRO 等分布式训练策略原理，有大模型训练调优分析经验者优先；
• ⚙️ 熟悉至少一种 AI 编译加速组件者优先，包含但不限于 TorchInductor / TVM / Triton / XLA 等；
• 🖥️ 了解并行计算、网络通信、系统优化和集群硬件架构等相关知识者优先；
• 🎮 了解 GPU 硬件架构和 GPU 软件栈（CUDA，cuDNN），具备一定的 GPU 性能分析的能力；
• 🌐 熟悉 NCCL / RDMA / IB / RoCE 相关知识者优先；
• 🏆 有优秀开源项目经历者优先。

💌 投递方式：请将简历发送至 zhangliujie@xiaohongshu.com，或通过微信群向 Relax 开发者索要内推码投递，欢迎附上 GitHub / 论文链接

---

岗位2：小红书 · 全模态长程 Agentic RL 框架顶尖实习生

• 岗位类型：red star 顶尖实习生 🗻
• 工作地点： 北京 / 上海

🛠️ 工作职责

1. 长程 Agentic RL 核心算法研究 🧠
   聚焦全模态 Agent（GUI 操作、代码生成、网页导航）在长程交互任务中的 RL 算法研究，解决跨越数百至数千步复杂任务下，传统强化学习仅依赖终态奖励导致信用分配路径过长、梯度信号衰减、策略优化难以收敛的核心挑战；

2. 层次化时间抽象信用分配机制设计 🔬
   研究并设计层次化时间抽象（Hierarchical Temporal Abstraction）信用分配机制，缓解长程任务中 flat policy 的优化不稳定问题，提升 Agent 在超长 horizon 任务下的策略学习效率；

3. 跨模态可验证奖励机制研究 🎯
   设计并验证跨模态可验证奖励（Cross-modal Verifiable Reward）机制，有效抑制 Reward Hacking 对 RL 训练过程的干扰，推动全模态长程 Agentic RL 的稳定收敛；

4. 主流基准评测与方法验证 📊
   在 WebArena、SWE-bench 等主流评测基准上系统性地验证算法方法的有效性，持续迭代优化模型表现；

5. 业务落地与开源引擎集成 🚀
   将研究成果应用于公司内社区生态 Agent 基座、AI 跨模态深度搜索等核心业务场景，并集成至自研开源强化学习引擎 Relax，提升业界技术影响力。

---

✅ 任职资格

• 💻 扎实的代码能力、数据结构与算法基础；熟悉 Python 开发，熟悉 Linux / Git 工作流；
• 🤝 具备良好的学习能力、沟通协作能力与自驱力，能与团队一同探索前沿技术、推动研究落地（⭐️ 有大牛带着一起成长！）；
• 🧠 熟悉强化学习基本原理（Policy Gradient / PPO / GRPO 等），理解奖励建模、价值估计等核心概念；
• 📚 了解主流 LLM / VLM 模型结构，使用过至少一种主流大模型训练或 RL 框架（veRL / DeepSpeed / Megatron-LM 等）。

---

🌟 加分项

• 🔧 有 GUI Agent、Web Agent、Code Agent 等 Agentic RL 相关方向的研究或工程经验者优先；
• 🏅 熟悉 Reward Hacking 问题及其缓解方法，了解 RLHF / RLAIF / 可验证奖励等奖励设计范式者优先；
• 🖥️ 了解层次化强化学习（HRL）、选项框架（Options Framework）、子目标分解等长程任务优化方法者优先；
• 📄 在 NeurIPS / ICML / ICLR / ACL 等顶会发表过相关论文，或熟悉 WebArena、SWE-bench 等 Agent 评测基准者优先；
• 🌐 有开源项目贡献经历（附 GitHub 链接更佳）；
• 🎮 熟悉分布式 RL 训练框架原理，具备大规模训练调优经验者优先。

---

💌 投递方式：请将简历发送至 zhangliujie@xiaohongshu.com，邮件标题注明「练习生-姓名-学校-方向」，欢迎附上 GitHub / 论文链接，期待与你一起突破长程 Agentic RL 的技术边界！