哔哩哔哩(bilibili|b站)招聘【B-UP】强化学习训练框架工程师（实习）
招聘职位：
【B-UP】强化学习训练框架工程师（实习） 搜索同类职位
岗位介绍：
职位描述
工作职责:
1、参与强化学习训练框架的研发与性能优化，根据业务需求持续演进训练策略与系统能力，提升大规模模型训练效率；
2、深度分析与定位训练系统中的性能瓶颈（包括计算、通信、存储等），实施针对性优化，提升训练吞吐、稳定性与可扩展性；
3、持续跟踪并集成业界前沿的训练优化技术（如 MoE、异步RL、LoRA RL、Agentic RL 等）。
工作要求:
1、本科及以上学历，计算机相关专业；
2、熟悉 Python/C++ 中至少一种编程语言，具备扎实的工程基础；
3、深入理解自然语言处理、计算机视觉或多模态算法，熟悉主流的 DiT（Diffusion Transformer） 与 VLM（Vision-Language Model） 模型架构；
4、熟悉常见强化学习训练算法（如 GRPO、DAPO 等）及训练框架（如 verl），熟悉异步强化学习范式；
5、有相关领域开源项目贡献经验者优先；
6、具备大规模训练实操经验者优先。
网申须知
网申开始日期：2026-06-15 00:00
网申截止日期：2027-06-30 00:00
仅限 2026-09 至 2030-06 毕业的大学生，快来投递吧～
投递简历
职位描述
工作职责:
1、参与强化学习训练框架的研发与性能优化，根据业务需求持续演进训练策略与系统能力，提升大规模模型训练效率；
2、深度分析与定位训练系统中的性能瓶颈（包括计算、通信、存储等），实施针对性优化，提升训练吞吐、稳定性与可扩展性；
3、持续跟踪并集成业界前沿的训练优化技术（如 MoE、异步RL、LoRA RL、Agentic RL 等）。
工作要求:
1、本科及以上学历，计算机相关专业；
2、熟悉 Python/C++ 中至少一种编程语言，具备扎实的工程基础；
3、深入理解自然语言处理、计算机视觉或多模态算法，熟悉主流的 DiT（Diffusion Transformer） 与 VLM（Vision-Language Model） 模型架构；
4、熟悉常见强化学习训练算法（如 GRPO、DAPO 等）及训练框架（如 verl），熟悉异步强化学习范式；
5、有相关领域开源项目贡献经验者优先；
6、具备大规模训练实操经验者优先。
网申须知
网申开始日期：2026-06-15 00:00
网申截止日期：2027-06-30 00:00
仅限 2026-09 至 2030-06 毕业的大学生，快来投递吧～
投递简历
免责声明：
此信息由b站官网 (查看来源)审核并发布，我们转载该信息，仅出于传递更多就业招聘资讯、促进大学生及广大求职者就业之目的。该招聘职位信息的真实性、准确性、时效性及合法性均由原始发布方“b站官网”负责。我们作为信息转载平台，不构成求职建议，不涉及任何职业中介服务，不对其内容承担任何形式的保证责任。请用户在使用转载信息时保持审慎，自行判断并承担相应风险，求职请认准企业官方渠道！
