蚂蚁金服蚂蚁集团-大语言模型强化学习算法专家-杭州/上海/北京
任职要求
1. 硕士及以上学历，计算机科学或相关专业背景 2. 有大模型相关的研究经历，在post-training方向具备一定的训练经验，熟悉奖励模型建模，PPO/REINFORCE/RLOO等主流强化学习算法 3. 具备扎实的算法工程实现能力，熟悉Python编程语言和PyTorch深度学习框架，熟悉DeepSpeed/Megatron等主流分布式训练框…
工作职责
1. 负责研发大语言模型强化学习算法，提升大模型在强化学习阶段的训练效率，以及提升大模型在数学、代码等自然科学领域的推理能力 2. 负责研发奖励和评价模型，包括细粒度的过程监督和奖励建模，覆盖复杂推理、指令遵循等各种任务 3. 参与后训练和推理阶段的Scaling Law研究，包括奖励模型训练、强化学习训练、推理阶段的Scaling Law
我们正在寻找充满激情的大模型应用开发者，共同构建大模型应用新开发范式，积极推进大模型应用落地新范式，拥抱开源社区，探索前沿研究方向。 工作内容包括： 1. 探索超前沿大语言模型强化学习算法和Agentic应用范式。 2. 参与大模型应用开发平台架构设计，积极推进MCP等开源协议赋能企业级开发平台。 3. 构建大模型轻应用，推进大模型在金融/医疗/教育等核心场景落地和赋能。
1. 模型训练与调优：负责大语言模型的特定能力的指令微调及人类反馈强化学习的全流程研发工作。 2. 数据工程：设计并实施高质量的数据清洗、配比与增强策略，构建用于提升模型逻辑推理、代码生成或领域知识能力的特定数据集。 3. 模型评测与迭代（重点）： （1）构建完善的模型评测体系，深入分析模型在各类 Benchmark（如 C-Eval, CMMLU, GSM8K, MMLU, HumanEval 等）上的表现。 （2）针对模型在特定任务上的短板进行归因分析，并提出针对性的优化方案（如数据合成、Prompt Engineering、思维链 CoT 优化等）。 4. 前沿技术跟进：追踪 NLP 及 LLM 领域的最新学术进展（如 MoE 架构、Long Context、Agent 等），并快速复现与落地到业务场景中。
【团队介绍】 小红书技术中台AI应用算法团队专注于图文、视频等场景下的大语言模型、多模态模型、扩散模型等技术的落地应用，通过标准化的AI技术能力支持公司各业务团队，提升技术资源利用率和业务创新迭代速度，持续优化技术研发成本并提升大规模AI应用的系统稳定性。团队兼具活跃的技术氛围、一线业务的真实挑战和相对充足的计算资源，欢迎有志于AGI、AIGC等方向的同学加入。 1、跟踪大语言模型、多模态、强化学习等算法的最前沿进展，将相应技术赋能到小红书实际的业务场景中，包括社区，商业化，交易等，持续推动AGI在业务场景下的落地应用； 2、基于成熟的AI平台服务，构建完善的AI原生应用和X+AI应用，包括如智能助理、知识问答、深度研究等，打造具有核心用户价值的热点应用； 3、探索大语言模型、多模态模型、扩散模型等在搜广推场景的落地方案。
【团队介绍】 小红书技术中台AI应用算法团队专注于图文、视频等场景下的大语言模型、多模态模型、扩散模型等技术的落地应用，通过标准化的AI技术能力支持公司各业务团队，提升技术资源利用率和业务创新迭代速度，持续优化技术研发成本并提升大规模AI应用的系统稳定性。团队兼具活跃的技术氛围、一线业务的真实挑战和相对充足的计算资源，欢迎有志于AGI、AIGC等方向的同学加入。 1、跟踪大语言模型、多模态、强化学习等算法的最前沿进展，将相应技术赋能到小红书实际的业务场景中，包括社区，商业化，交易等，持续推动AGI在业务场景下的落地应用； 2、基于成熟的AI平台服务，构建完善的AI原生应用和X+AI应用，包括如智能助理、知识问答、深度研究等，打造具有核心用户价值的热点应用； 3、探索大语言模型、多模态模型、扩散模型等在搜广推场景的落地方案。