AI Infra Engineer（Agentic Runtime）

岗位职责 / Responsibilities

参与从 0 到 1 建设具身学习基础设施平台，为机器人大模型的强化学习后训练、评测与自迭代提供统一的环境服务与策略推理能力。以仿真环境和策略推理为切入点，通过资源调度、系统性能优化和运行保障，提高有效样本产出，降低实验等待与资源成本，并逐步扩展至端侧和真机执行场景。

职位描述

1. 环境与 Rollout 服务平台建设：建设共享 Sandbox 资源池与执行服务，实现环境申请、初始化、隔离、重置、回收与运行观测; 对接强化学习训练框架，支撑真实具身模型训练与评测任务;

2. 策略推理集成与优化：集成和优化 vLLM、SGLang 等推理引擎，建设策略服务部署、路由与资源管理能力; 结合业务负载优化批处理、缓存、多模态处理与模型执行效率，保障权重更新与模型版本关联的正确性;

3. 资源画像与动态调度：根据任务类型、环境资产和实际资源用量建立资源画像，设计预热、资产亲和、配额管理与动态扩缩容策略，通过运行反馈持续优化资源申请规格、并发配置与调度效率;

4. 端到端性能分析：分析环境准备、仿真执行、观测传输、策略推理及权重同步等阶段的瓶颈，建立可复现的性能基线，以有效 Rollout 吞吐、端到端时延和资源成本验证优化收益;

5. 稳定性与执行正确性保障：完善故障检测、超时处理、背压、恢复与资源清理机制，支持长时间无人值守运行; 建立任务、环境、轨迹、Reward 与 Policy 版本的关联追溯，保障执行隔离与样本正确性;

6. 标准化接入与架构演进：设计可扩展的任务与 Runtime 接口，支持 Isaac Sim、Unity 等仿真环境，以及强化训练、评测、Replay 等业务复用平台能力，为后续边缘节点、台架和机器人接入奠定基础。

任职要求 / Requirements

1. 扎实的 Python 编程与软件工程能力，熟悉 C++ / Go 至少一门，熟悉并发、异步、网络通信及 Linux 系统，能够独立定位复杂系统问题;

2. 有分布式平台或计算服务研发经验，熟悉 Kubernetes、Ray 等技术中的至少一种，理解资源调度、服务生命周期、状态管理和故障恢复;

3. 熟悉大模型或多模态模型推理流程，具有 vLLM、SGLang 或同类推理系统的部署、集成或性能优化经验;

4. 具备系统性能分析能力，能够结合 CPU、GPU、内存、网络及应用链路数据定位瓶颈，并通过对照测试验证收益;

5. 了解强化学习系统中训练、Rollout、环境交互和权重同步的关系，能够与算法团队共同保障采样与训练链路的正确性;

6. 有可维护、可观测的平台服务建设经验，能够从实际业务需求出发完成设计、开发、上线及持续优化。

加分项

1. 有 AReaL、verl、RLinf 等强化学习框架的使用、集成或开发经验;

2. 有 Isaac Sim、Isaac Lab、Unity、MuJoCo 等机器人仿真或云游戏平台相关经验;

3. 熟悉 PyTorch Profiler、Nsight Systems、Nsight Compute，或具备 CUDA、Triton、CUDA Graph、算子及通信优化经验;

4. 有 GPU 资源池、异构计算、云边协同、端侧模型部署或真机任务执行系统的建设经验。