蚂蚁金服蚂蚁集团-蚂蚁技术研究院-大规模强化学习算法与系统研究员
社招全职3年以上技术类-算法地点：杭州状态：招聘
任职要求
1. 硕士以上学历，博士优先 2. 在分布式系统领域或者并行计算领域有3年以上研究和实践经验 3. 有独立研究能力，在相关领域有论文成果 4. 熟悉深度学习和大模型的相关基础知识，对于强化学习和大模型充满热情，参与过相关算法项目者优先。
工作职责
强化学习是提升大模型推理能力的重要范式。大模型本身参数量大，训练资源消耗高，加上强化学习算法流程复杂，要开发灵活又高效的强化学习系统有诸多挑战，而大规模强化学习基础设施又是开展强化学习算法研究的基础，目前需要以下方向的研究： 1. 高效灵活的面向大模型的强化学习训练系统：能够支持各种强化学习复杂算法，同时支持大规模多卡高效率稳定训练。 2. 复杂强化学习算法在大规模计算下的并行化：强化学习算法普遍需要串行计算，对于规模化（scale up）大规模训练带来诸多挑战，而规模化又是推理能力提升的关键，因此需要研究在规模化前提下的强化学习算法。 在本岗位，你将参与或主导相关领域的研究，并产出有影响力的成果并赋能业务部门。
包括英文材料
学历+
分布式系统+
https://www.distributedsystemscourse.com/
The home page of a free online class in distributed systems.
https://www.youtube.com/watch?v=7VbL89mKK3M&list=PLOE1GTZ5ouRPbpTnrZ3Wqjamfwn_Q5Y9A
深度学习+
https://d2l.ai/
Interactive deep learning book with code, math, and discussions.
大模型+
https://www.youtube.com/watch?v=xZDB1naRUlk
You will build projects with LLMs that will enable you to create dynamic interfaces, interact with vast amounts of text data, and even empower LLMs with the capability to browse the internet for research papers.
https://www.youtube.com/watch?v=zjkBMFhNj_g
强化学习+
https://cloud.google.com/discover/what-is-reinforcement-learning?hl=en
Reinforcement learning (RL) is a type of machine learning where an "agent" learns optimal behavior through interaction with its environment.
https://huggingface.co/learn/deep-rl-course/unit0/introduction
This course will teach you about Deep Reinforcement Learning from beginner to expert. It’s completely free and open-source!
https://www.kaggle.com/learn/intro-to-game-ai-and-reinforcement-learning
Build your own video game bots, using classic and cutting-edge algorithms.
算法+
https://roadmap.sh/datastructures-and-algorithms
Step by step guide to learn Data Structures and Algorithms in 2025
https://www.hellointerview.com/learn/code
A visual guide to the most important patterns and approaches for the coding interview.
https://www.w3schools.com/dsa/
相关职位
社招3年以上技术-研究
围绕AReaL系统，开展面向大模型及通用Agent的大规模强化学习算法的前沿研究。围绕算法工程一体化设计，复杂agent链路搭建，大规模自动化面向智能体的数据合成与清洗，以工程驱动算法进展，最终产出sota的开源推理/agent模型
更新于 2025-09-04
社招3年以上技术-研究
"我们团队将致力于探索新型LLM架构的训练与推理加速技术，推动模型结构与算法层面的创新，全面提升LLM的效率与性能。 1. 研发Diffusion LLM的高效训练与推理框架，实现其推理性能1000倍的提升，突破现有扩散模型在语言生成中的效率瓶颈 2. 和LLM算法研究员合作，通过算法和系统的co-design，加速现有LLM的训练和推理 3. 针对新型LLM优化关键算子与分布式并行计算策略，显著降低其训练与推理成本 4. 开发面向LLM算子与并行计算的自动化优化框架，为算法研究人员提供一站式的自动优化解决方案，显著提升模型结构的开发效率与系统性能。"
更新于 2025-09-05
社招3年以上技术-研究
我们团队将致力于探索新型LLM架构的训练与推理加速技术，推动模型结构与算法层面的创新，全面提升LLM的效率与性能。 1. 研发Diffusion LLM的高效训练与推理框架，实现其推理性能1000倍的提升，突破现有扩散模型在语言生成中的效率瓶颈 2. 和LLM算法研究员合作，通过算法和系统的co-design，加速现有LLM的训练和推理 3. 针对新型LLM优化关键算子与分布式并行计算策略，显著降低其训练与推理成本 4. 开发面向LLM算子与并行计算的自动化优化框架，为算法研究人员提供一站式的自动优化解决方案，显著提升模型结构的开发效率与系统性能。
更新于 2025-09-28