蚂蚁金服蚂蚁集团-大模型算法专家（碰一下）-数字支付
任职要求
研发大模型在支付场景的Agent应用（智能营销决策、自动化运营等）搭建基于RAG架构的支付领域知识问答与复杂预测系统开发多模态商户识别技术（融合文本、图像、时空数据构建商户图谱）设计跨模态表征模型，支持亿级商户经营场景的智能感知与服务优化大模型推理性能与多模态数据处理效率，保障高并发支付场景稳定性技…
工作职责
团队介绍： 数字支付智能技术团队，专注于支持支付业务的增长（包括线下支付和线上支付）。该职位主要聚焦于支持线下“碰一下”的支付和数字化业务场景，涵盖支付C端增长和支付B端增长，通过算法应用帮助业务提升效率并贡献增量价值，共同创造新的“碰一下”创新赛道。 职位描述： 大模型技术研发与场景落地基于大模型构建支付场景智能化解决方案（营销策略生成、Multi-Agent协作系统、RAG知识问答等）开发面向支付业务的领域大模型，优化模型推理效率与场景泛化能力
方向一： 1. 解决数据在业务N场景下的基建问题，充分提升底层数据建设，提升N项目中的数据研发质量和效率 2.解决N项目的数据洞察问题，通过数据的理解分析，发现N项目的可提升点，辅助业务快速提升 3. 解决N项目资产沉淀等问题，为算法和人工策略提供基础，辅助业务在铺设、营销等场景的快速提升 方向二： 1.数据基建：负责支付宝核心支付数据体系建设，解决支付场景下的数据基建问题，提升支付的数据研发质量和效率，使支付数据体系可持续发展。 2.数据洞察：围绕支付业务目标，通过数据分析洞察、构建分析工具，为业务目标达成提高效率；通过统计建模、因果推断、AB实验设计等数据科学方法，在科学量化运营策略效果和价值的同时，产出业务策略优化建议，助力业务目标达成。 3.前沿技术探索与落地：探索大模型等技术在支付数据场景的应用，推动数据分析和挖掘的效能革新。
1、围绕支付业务目标，通过数据分析洞察、构建分析工具，为业务目标达成提高效率； 2、通过统计建模、因果推断、AB实验设计等数据科学方法，在科学量化运营策略效果和价值的同时，产出业务策略优化建议，助力业务目标达成。 3、前沿技术探索与落地：探索大模型等技术在支付数据场景的应用，推动数据分析和挖掘的效能革新。
我们是小红书中台大模型 Infra 团队，专注打造领先易用的「AI 大模型全链路基础设施」！团队深耕大模型「数-训-压-推-评」技术闭环，在大模型训练加速、模型压缩、推理优化、部署提效等方向积累了深厚的技术优势，基于 RedAccel 训练引擎、RedSlim 压缩工具、RedServing 推理部署引擎、DirectLLM 大模型 API 服务、QuickSilver 大模型生产部署平台等核心产品，持续赋能社区、商业、交易、安全、数平、研效等多个核心业务，实现 AI 技术高效落地！ 1、参与设计实现支持RLHF/DPO等对齐技术的高效训练框架，优化强化学习阶段的Rollout、Reward Model集成、多阶段训练 Pipline； 2、研发支持多机多卡 RL 的分布式训练框架，开发TP/PP/ZeRO-3与RL流程的动态协同机制，解决 RL 算法在超长时序下的显存/通信瓶刭 3、构建端到端后训练工具链，主导框架与 MLOps 平台集成，提供训练可视化、自动超参搜索等生产级能力 4、与公司各算法部门深度合作，参与大语言模型LLM、多模态大模型 MLLM等业务在 SFT/RL领域的算法探索和引擎迭代； 5、参与分析各业务 GPU 利用率与饱和度等指标，结合业务场景持续优化训练框架能力，提升框架领先性。
【业务介绍】 作为公司统一的机器学习平台团队，负责调度公司所有模型训练与推理资源；基于自建的训推引擎，构建公司统一的机器学习平台，为公司所有算法同学（稀疏 & 稠密，含 LLM） 模型迭代提供端到端的一站式服务；包括 数据生产，模型训练，模型上线，特征管理，模型测试，资源管控等一系列能力。 【岗位职责】 1、负责机器学习链路，离在线数据相关的开发工作，包括样本数据、特征数据等的数据链路搭建、任务运维和调优、性能优化等 2、负责小红书大规模机器学习平台的后台系统设计和开发工作；包括样本平台，特征平台，训练平台，推理平台等AI应用后台建设等； 3、研究分析业内AI平台产品，优化技术方案，改进产品功能，完善产品体验。