蚂蚁金服研究型实习生-智能体工作流与数据合成算法研究

随着大模型与智能体系统的发展，数据正从“静态燃料”演变为“动态认知基础设施”。传统数据处理范式难以满足Agent工作流、强化学习、RAG等新场景对语义理解、任务适配与反馈闭环的需求。一系列重要问题亟需重新思考：什么是面向未来 AI 系统的“高质量数据”？如何构建可解释、可组合、可迭代的数据智能框架？ 我们隶属于通义实验室，长期聚焦 AI 基础设施与数据智能方向。团队已在ICML、NeurIPS、ICLR、SIGMOD、KDD、WWW等国际顶会发表论文数十篇，多次获 Spotlight 与 Best Paper，主导开源 DataJuicer、AgentScope、Trinity-RFT 等框架。相关成果广泛应用于学术界与工业界，支撑阿里云、通义大模型、百炼平台等内外部业务。 现诚邀具备扎实科研能力与工程素养的候选人加入，你将参与： 1. 探索如何让数据处理系统“听懂”任务语义，自动生成可验证、可复用、可优化的数据流水线； 2. 研究高性能方法，量化建模文本、图像、轨迹等数据对下游任务的实际价值，构建数据健康评估体系； 3. 面向智能体经验管理、RAG 上下文筛选、多模态日志分析等真实场景，设计新型数据原语与评估基准； 4. 建设开源框架（DataJuicer、AgentScope、Trinity-RFT），发表高水平论文或技术成果，推动社区对“数据智能”的前沿探索。

我们正在寻找对大模型系统优化充满热情的优秀在读学生，参与大模型后训练阶段（Post-Training）关键系统与架构的前沿研究。你将深度参与千亿级大模型在强化学习训练、推理效率、训推分离架构、智能体（Agent）系统等方面的系统级优化工作，探索高MFU、低延迟、高吞吐的下一代AI基础设施。 如果你热爱系统与AI的交叉领域，希望在真实超大规模场景中打磨技术，欢迎加入我们，与顶尖研究者和工程师共同推动大模型系统的技术边界！ 研究方向与实习内容： 你将从以下四个核心方向中选择1-2个深入参与，开展系统性研究与工程实现： 1. 后训练 MFU（Model FLOPs Utilization）优化 研究SFT、RLHF、DPO等后训练任务中的计算效率瓶颈； 设计高MFU的训练策略与系统支持，优化计算密度（如序列填充、混合批次、梯度累积等）； 探索算力利用率提升路径，结合通信、显存、计算进行端到端建模与优化。 2. 强化学习推理框架优化 针对RLHF中大量采样推理的需求，优化推理延迟与吞吐（如Speculative Decoding、KV Cache复用、动态批处理）； 设计轻量、高效的推理引擎，支持多轮对话、长上下文、流式生成等复杂场景； 探索训练-采样协同优化，降低推理端对训练整体效率的制约。 3. 强化学习训推分离架构优化 构建解耦的“训练-采样”系统架构，支持高并发采样与异步训练更新； 研究采样集群与训练集群之间的资源调度、数据同步与负载均衡机制； 实现弹性扩缩容、故障恢复、版本管理等系统能力，提升整体稳定性与可扩展性。 4. Agent 框架优化与系统支撑 研究面向复杂任务的Agent执行框架，优化工具调用、状态管理、多步规划的系统性能； 构建低延迟、高并发的Agent运行时环境，支持大规模仿真与自动评估； 探索Agent工作流的可复现性、可观测性与调试支持，提升研发效率。

【团队介绍】 我们是菜鸟的创新团队，致力于打造公司级AI工作助手——“菜包”。“菜包”不仅仅是一个工具，更是定义“菜鸟人AI工作方式”的核心平台。它集成了文档创作、应用生成、数据分析等多种“AI实习生”（Agent）能力，旨在通过前沿的AI技术，革新内部工作流程，大幅提升组织效率与创造力。你将有机会参与定义下一代人机协同范式，设计一款真正能改变数万人工作方式的革命性产品。 【职位职责】 1. 负责“菜包AI”产品的全链路用户体验设计，涵盖Web端及其他潜在终端，确保产品整体的可用性、易用性与专业性。 2. 与产品经理、算法工程师、开发工程师等团队成员紧密协作，深入理解业务需求与技术实现，提供创新且可落地的设计方案，并高效推动其实现。 3. 构建和维护菜包AI的设计规范和组件库，保证产品体验的一致性和品牌形象的统一性。 4. 深度参与用户研究，通过用户访谈、数据分析等方法，洞察菜鸟员工在不同工作场景下的痛点和诉求，并以此驱动设计迭代，重点关注**工作效率提升、AI采纳度**等核心指标。 5. 探索和定义AI时代下全新的人机交互模式，尤其是在**智能体（Agent）交互、对话式界面（CUI）、AIGC内容生成与编排**等前沿领域，致力于提升AI产品的可信度、可控性与用户满意度。 6. 持续关注业界（特别是企业级AI应用、AIGC工具）的设计趋势和技术进展，并将其转化为对产品的设计优化建议和创新机会。

研究领域： 网络与信息安全 项目简介： 随着智能体服务的兴起，智能体互连网络存在潜在安全风险是现有互联网安全体系难以解决的问题，主要在于 1. 用户感知和控制力减弱：主动服务被滥用风险， 服务推荐与决策偏差、隐私泄露与数据滥用风险 2. 数据共享和互操作性增加：跨智能体的信任和身份验证风险、Agent间通信安全、数据泄漏与隐私扩散风险倍增、跨域权限管理和越权访问风险 3. 互连拓扑复杂性增加、攻击面扩大：用户意图理解与Agent协作秩序，Agent攻击扩散风险加剧、服务依赖带来的连锁风险、信任边界模糊和信任链条脆弱 针对这些新风险，本项目希望对智能体可信互连网络展开研究，解决连接可信、交互可信、意图可信、数据可信的问题。