小鹏汽车大模型算法工程师(平台化方向)
任职要求
1.本科及以上学历，计算机科学、人工智能、数据科学等相关专业，2年以上大模型算法研发或平台化建设经验。 2.具备扎实的算法理论基础和丰富的实践经验，掌握至少一种编程语言，如 Python/Java/C/C++，具备扎实的工程化能力。 3.具备平台化工具开发经验，参与过算法平台架构设计，如有AI Agent项目开发经验者优先。 4.有 GPT/DeepSeek/LLaMA 等大模型的微调、部署及规模化应用项目经验者优先 5.具备强烈的技术敏感度和学习能力，能快速跟进业界前沿技术动态（如大模型训练框架、推理优化技术等），并转化为平台化解决方案。 6.拥有高度的责任心和项目推动力，具备良好的跨团队沟通能力与团队协作精神，能有效协调资源推动项目落地。
工作职责
1.负责大模型算法平台化建设，搭建高效、可扩展的算法研发与部署框架，支撑各类 AI 业务场景的快速落地。 2.开展通用算法设计与研发，聚焦大模型相关的核心算法优化，提升模型在多场景下的适应性和性能。 3.结合大模型技术特性，推动智能对话、精准知识问答、智能标签生成、智能数据分析等项目的算法落地，确保技术与业务场景深度融合。 4.探索大模型与 AI agent 等前沿技术的结合路径，设计可复用的算法模块，提升平台化解决方案的通用性。
蚂蚁国际全球技术AI智能部正在寻找有激情并且具有创新能力的算法专家，通过使用AI 特别是生成式人工智能技术，推动蚂蚁国际化业务的发展。蚂蚁集团是一家AI驱动的公司，国际化是蚂蚁集团的重点方向，在这个职位上，你有机会接触到互联网金融，人工智能，国际化这3个当前最热门领域。 国际AI智能部负责大模型算法的创新应用与落地，同时也负责蚂蚁国际的 AI 基础设施和应用平台的建设。我们正在寻找热爱大模型的优秀人才加入我们。 其中，金融 AI 与大模型应用平台团队负责蚂蚁国际的金融 AI 业务，如基于大模型的金融助理在海外钱包的落地，以及蚂蚁国际的 AI 平台与基础设施建设，通过更加高效的训练和推理能力，以及结合 Agent 的平台研发助力蚂蚁国际全面拥抱生成式人工智能达成 AI 为先的战略。 1.负责大模型技术前沿技术跟踪、创新和落地。负责文本以及多模态大模型算法研发，对图片语音文本进行跨模型理解和生成。通过大模型算法创新和优化，致力提升大模型算法的场景落地和业务增效； 2.负责研发知识增强大语言模型技术，包括大模型领域适配、知识对齐、知识增强等，深入挖掘垂直行业、开源以及蚂蚁的海量数据，构建行业知识库，以支持相关技术的蚂蚁国际各个业务中的持续创新和实践应用； 3.负责垂直领域大模型算法开发，通过持续预训练和多任务模型微调，提升垂直大模型的核心技术价值和平台化落地； 4.深度参与产品研发项目，与团队成员合作，共同推动人工智能技术在实际业务中的应用和落地； 5.深入跟踪调研大语言模型以及相关方向（包括但不限于LLM/多模态等）的前沿技术，并适时进行技术分享。推动相关领域技术创新，进行专利申请和学术文章发表。
【课题说明】 信息流广告系统一般采用“召回->粗排->精排->出价->拍卖”的多级漏斗架构，但各模块独立优化导致优化目标不一致，前链路会制约后链路上限，漏斗效率折损大。 近年来，随着大模型和生成式技术的快速发展，其强大的表征能力和良好的Scaling性质也为广告系统提供了新的可能性。本研究旨在探索如何利用生成式技术重塑整个广告系统，通过一个端到端的生成式广告大模型完成所有决策，打破多级漏斗框架，打开模型决策空间，最大化平台收益。 【建议研究方向】 1.生成式广告大模型架构设计：基于前沿大模型（如时空Transformer、MLA、MoE等），设计适配广告场景的生成式决策框架，支持根据“用户行为、实时位置、商户出价”端到端生成最优的广告商家、展示创意、相应计费。 2.多阶段的训练范式设计：借鉴LLM的分阶段训练技术（如PT、SFT、RLHF等），设计“基于海量交互的 pre-training 和 基于业务目标的 post-training ”的分阶段训练范式，提升广告大模型效果。 3.广告大模型的Scaling规律探索：探索广告场景下，生成式大模型“算力->效果”的转化规律，驱动推广搜迭代范式实现由“人工设计迭代”到“算力堆叠迭代”的跃迁。
1. 算法工程化支持：负责支持跨境治理和商品治理方向的算法工程化落地，包括算法服务化、模型部署、性能优化、A/B测试与监控体系搭建。 2. 系统开发与维护：基于Java与Python开发高性能、可扩展的算法平台和治理系统，保障算法稳定运行和高可用性。 3. 算法研发协同：与算法研究人员、产品经理紧密协作，推动图像理解、NLP、多模态及大模型等算法从研发到线上应用的全流程闭环。 4. 数据与质量评估：建设和维护治理效果数据采集、评估和监控体系，持续迭代优化模型与策略，驱动业务降本增效。 5. 技术方案创新：关注业界最新算法工程化与MLOps实践，推动内部平台能力升级，提升算法迭代效率。
云端大模型算法工程师/专家 1、云端任务大模型算法研发：负责数据驱动的云端大模型算法研发和优化，包括多模态大模型、生成式世界模型等方向；开发基于多传感器数据、时空数据融合的自动标注算法；研发场景与标签的生成式算法技术，探索云端动静态场景重建算法上限，提升自动驾驶感知-拓扑-规划云端一体化能力; 2、云端基座大模型研发：基于海量量产数据，研发无监督/自监督算法，持续提升大模型的语义理解能力和空间感知能力；搭建和优化云端自动化标注产线，将重建/生成的场景真值应用于大规模模型训练和评测; 3、Scaling Law算法研发：负责车云平台一体化大模型算法研发和优化，研发和设计基于数据驱动的感知迭代链路；构建高效的自训练感知pipeline，提高数据闭环效率。