蚂蚁金服蚂蚁集团-AI研发平台技术专家-杭州/上海/北京【数据平台】
任职要求
1. 具备扎实的计算机相关基础知识，如Linux编程环境、数据库应用、基础网络、常用算法等； 2. 精通Java/Python/Golang中至少一门语言的工程化实践，具备高并发/分布式系统开发经验，熟悉语言生态下的主流框架与工具链 3. 对如下一个或多个领域有深入理解和实践，或有浓厚兴趣： （1）机器学习工程化方向：深度参与过LLM/NLP/多模态/搜索推荐系统等领域的全链路技术实现。具备MLOps体系建设经验，包括但不限于训练框架适配、模型服务平台开发、监控治理系统设计 (2）大模型前沿技术方向: 掌握大模型高效微调技术体系（Lora/P-Tuning/RLHF），精通量化压缩、动态批处理等推理…
工作职责
1. 支撑蚂蚁集团在各个业务领域的MLOps&LMOps算法研发工作，覆盖机器学习系统多个子方向领域的工作，包括：数据配比&全链路血缘建设、数据实验&分析、深度学习/大模型预训练/后训练/推理等，建设支持AI全链路的研发平台与AI垂类应用开发平台，实现算法研发效率、和资源利用率的最大化，灵活可扩展的支持不同领域的个性化应用开发需求，为蚂蚁大模型研发链路及应用研发探索新的研发模式； 2. 对平台进行全局性和前瞻性的架构设计和核心技术细节实现，帮助团队攻克各种技术难关，保障和提升平台稳定性。
1. 负责大模型分布式训练/推理系统性能优化及配套工具研发，包括软硬件协同的模型结构设计与训推系统升级，覆盖MegatronLM、SGLang、Vllm、RL系统等，以及超大规模数据和模型参数下的存储、计算、网络联合优化。 2. 负责多模态数据提取系统研发，结合大模型、传统小模型、Agents等技术，以及异构计算下的流批一体系统，建设高质量多模态数据加工和分析系统。 3. 推动基础引擎与大模型、异构硬件等新技术形态的应用落地，保持在行业内的前沿水平。
1、技术方案设计 • 收集、识别、分析平台设计目标及管理需求，围绕资源管理平台确定相应技术方案的目标、范围和交付成果； • 基于需求分析，进行技术可行性分析和方案评审，结合当前的技术架构进行合适的技术选型、功能设计、技术架构、数据架构和开发流程等。 2、技术实现 • 基于技术方案的拆解，按照任务目标和产出规范，完成任务/子任务的设计、编码开发和系统功能实现； • 负责核心功能的架构与代码模板的编写，开发与维护资源管理平台核心业务模块，优化程序性能等； • 对编码进行阶段性的讨论和CodeReview，并通过调试优化，推动代码成功部署； • 对开发中和部署后的程序进行必要的维护和迭代，包括值班oncall、bug排查、问题诊断、产品体验改善、性能和成本优化等； • 编写技术文档，如操作手册、故障排除指南、API文档等，以支持日常答疑运维工作。 3、安全、稳定、效率和性能优化 • 运用产品优化技术和方法，实现安全保障和优化系统性能，提高平台系统安全性及客户使用体验。 4、技术预研 • 跟踪和了解国内外资源管理平台技术发展和趋势，结合业务实际需要提供有效的技术支持和架构建议。 5、技术规划 • 理解业务重点，基于业务需求作出高可用、高可靠、高拓展性的技术架构规划和落地。
1. 负责新一代AI驱动的PC产品质量保证工作与团队建设，主导质量团队的组织架构设计、人才梯队培养及绩效管理，打造一支具备系统底层、应用上层及 AI 评测能力的复合型质量团队，对最终产品交付质量与用户体验负责； 2. 构建覆盖“安卓系统-上层应用-AI Agent"的全链路质量保证体系。主导跨域质量架构设计，解决终端稳定性兼容性、云边端协同、分布式系统一致性、AI非确定性输出等复杂质量挑战，制定统一的质量门禁与发布准出标准，确保端到端交付质量； 3. 引领测试技术的智能化转型，探索"AI for Testing"与"Testing for AI"双轮驱动模式。一方面将 AI 能力融入自动化测试、用例生成、缺陷分析等环节提升效能；另一方面建立针对 AI Agent/LLM 产品的专项评估体系（如准确性、安全性、幻觉检测），解决非确定性输出的质量挑战，保持行业技术领先性； 4. 主导测试能力平台化与服务化建设，构建系统级、应用级、服务端及 AI 评估的自动化用例库。推动质量能力与 CI/CD 流水线深度集成，实现代码变更的自动化质量卡点。打造自助式质量验证平台，赋能研发、运维及合作伙伴，降低质量验证门槛，提升整体交付效率； 5. 建立多维度的质量度量体系，结合线上监控、灰度发布数据及用户反馈，驱动质量问题的根因分析与持续改进闭环，对线上重大质量事故负责，建立快速响应与防御机制，保障业务连续性。
1. 负责新一代AI驱动的PC产品质量保证工作与团队建设，主导质量团队的组织架构设计、人才梯队培养及绩效管理，打造一支具备系统底层、应用上层及 AI 评测能力的复合型质量团队，对最终产品交付质量与用户体验负责； 2. 构建覆盖“安卓系统-上层应用-AI Agent"的全链路质量保证体系。主导跨域质量架构设计，解决终端稳定性兼容性、云边端协同、分布式系统一致性、AI非确定性输出等复杂质量挑战，制定统一的质量门禁与发布准出标准，确保端到端交付质量； 3. 引领测试技术的智能化转型，探索"AI for Testing"与"Testing for AI"双轮驱动模式。一方面将 AI 能力融入自动化测试、用例生成、缺陷分析等环节提升效能；另一方面建立针对 AI Agent/LLM 产品的专项评估体系（如准确性、安全性、幻觉检测），解决非确定性输出的质量挑战，保持行业技术领先性； 4. 主导测试能力平台化与服务化建设，构建系统级、应用级、服务端及 AI 评估的自动化用例库。推动质量能力与 CI/CD 流水线深度集成，实现代码变更的自动化质量卡点。打造自助式质量验证平台，赋能研发、运维及合作伙伴，降低质量验证门槛，提升整体交付效率； 5. 建立多维度的质量度量体系，结合线上监控、灰度发布数据及用户反馈，驱动质量问题的根因分析与持续改进闭环，对线上重大质量事故负责，建立快速响应与防御机制，保障业务连续性。