字节跳动大模型应用算法工程师-智能质量方向
任职要求
1、本科及以上学历，计算机、人工智能及相关专业，具备扎实的理论基础和技术背景； 2、熟悉大模型（如GPT、BERT等）和深度学习框架（如TensorFlow、PyTorch等），具备软件智能交付或质量技术相关项目的实际操作经验； 3、至少掌握Python、Go、Java、C++等工程语言的一种，具备大模型PE、微调、智能体等相关工程经验； 4、具备良好的问题分析与解决能力，能够独立承担项目…
工作职责
1、负责大模型，深度学习，知识图谱等技术在软件智能交付领域的相关应用技术研发，业务场景包括但不限于需求理解、测试生成、智能交互、风险挖掘等； 2、跟踪AIGC等前沿技术领域的最新研究成果，探索工业领域落地可行性，并持续提升算法应用效果； 3、探索大模型技术在智能测试领域中的落地应用，为测试效率提升提供智能服务； 4、深度参与项目研发，与产品和业务团队同学保持密切配合，不断优化项目整体效益，提升用户体验。
1.参与基于多模态大模型的GUI智能化能力的设计开发，实现多端（web/安卓/ios/鸿蒙/小程序）大模型手眼配套能力全覆盖； 2.跟踪业界前沿技术发展，参与大模型应用评测、企业内部场景化落地、GUI智能体建设等；
Part 1，后端开发： 1、负责数据产品后端的设计与实现，确保系统具备良好的架构设计、扩展性及高可用性； 2、根据系统设计，完成平台的开发、测试和线上维护工作，保障系统的稳定运行； 3、负责系统的服务端调优，持续提升系统性能和服务质量，并编写设计、开发、测试等相关文档，为团队提供清晰的技术指导。 Part 2，AI应用探索与开发： 1、参与AI技术在数据产品中的应用探索，包括但不限于自然语言处理、机器学习、深度学习等方向； 2、负责AI应用的后端开发工作，实现AI模型与现有数据产品的无缝对接； 3、与数科、算法紧密合作，将AI技术转化为实际的产品功能，提升数据产品的智能化水平； 4、跟踪AI领域的最新技术动态，结合业务需求，推动AI技术在数据产品中的创新应用。
团队主要负责蚂蚁集团大语言模型的语料优化，涵盖数据扩源、数据质量提升、合成语料、数据利用方式优化、数学/代码/推理/对话能力提升等多个方向。我们致力于通过数据驱动的方式打造业界一流的语言基座模型。 1. 负责大语言模型各阶段训练语料的优化工作，包括预训练、后训练、强化学习训练阶段，具体的工作包括体系化地扩展各类型的数据、定义并迭代优化数据质量、建设高效的合成语料技术、优化高质量数据筛选策略、优化数据配比及训练策略等。 2. 负责端到端地优化基座模型的各项关键能力，包括数学、代码、推理、对话等能力，具体工作包括扩展各能力相关的语料、定义并迭代优化数据质量、针对性地合成相关语料、优化高质量数据筛选策略、优化各阶段数据配比及训练策略、优化评测方式等。 3. 负责研发语料优化相关的基础设施，包括研发高效的数据处理算子及链路、构建数据标签体系及标注模型、探索数据与模型效果的关系、设计数据效果评估机制等。 4. 跟踪和研究大模型领域的前沿技术方向，包括但不限于语料优化、预训练和后训练算法、知识增强、数据合成等，推动技术创新并应用到基座模型训练中。
大模型数据认知方向，负责设计和开发先进的算法，解决大模型数据生产中的关键问题，包括但不限于数据知识体系生成、语料自动分类、智能数据标注、权威评测集建设以及基于评测的语料质量评估与合成。你的工作将直接影响蚂蚁大模型的训练效果和性能表现。工作将涉及以下1个或多个方向 ● 数据知识体系生成： 研究基于LLM的自动知识图谱生成技术，设计并实现自动化算法，构建高效、可扩展的大模型数据知识体系。 ● 语料自动分类： 基于数据知识体系，研究和开发语料分类算法，指导大模型数据的拓展方向； ● 权威评测集建设： 研究业界现有评测集的缺陷，构建标准化、多样化的权威评测集，用于评估大模型的性能； 与跨职能团队合作，确保评测集覆盖全面且具有代表性。 ● 语料质量评估与合成： 建立大模型训练的数据驱动体系，开发语料质量评估算法，识别低质量或噪声数据。 研究数据驱动的语料合成技术，基于模型的评测效果，针对性合成能够改进模型效果的训练语料，提升模型迭代效率 ● 智能标注链路研发: 基于大模型数据的标注需求，研发辅助打标算法； 设计构建 AI辅助的标注质量检验与标注提效的算法链路，提升人工标注的质检效率与标注质量 ● 技术创新与优化： 持续跟踪学术界和工业界的最新研究成果，探索前沿技术在大模型数据中的应用。 针对实际业务需求，提出创新性的解决方案并快速落地。