岗位描述（节选）
【岗位职责】
参与机器人大模型强化学习训练框架的研发与优化，面向不同模型、训练方式和业务场景，完善训练与推理能力，提升框架的稳定性、扩展性和运行效率。通过框架开发、性能分析与算法工程协作，支撑大规模强化学习实验和业务训练，推动算法能力高效落地。
【职位描述】
1. 训练框架研发：负责强化学习训练框架的设计、开发与迭代，完善 GRPO、PPO、On-Policy Distillation 等训练方式的完整流程、数值正确性与运行稳定性，统一训练数据、优化目标与参数更新的扩展接口；
2. 核心模块与多后端适配：参与训练、推理、轨迹管理、奖励计算等核心模块研发，推进模块解耦与服务化，完善对 FSDP、Megatron、vLLM、SGLang 等训练与推理后端的适配层，支持不同模型、训练方式和业务场景的接入；
3. 评测与性能优化：建设核心训练场景的 benchmark、profiling 与 C……
完整岗位描述与官方投递入口,请登录后在岗位详情页查看。