蚂蚁金服蚂蚁集团-算法高P通道-大安全

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： 方向一：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 方向二：多模态数据融合与价值挖掘通过多模态技术实现商户POI识别、经营画像构建与场景理解构建跨模态检索与生成系统，提升支付生态数据利用率

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、深入分析用户需求与使用场景，设计自然流畅的交互逻辑，如多轮对话、情感识别及场景化服务； 2、参与并负责智能座舱多模态大模型的算法设计与选型，涵盖语音交互、视觉感知、个性化推荐等场景； 3、构建座舱领域专用数据集，设计数据增强与清洗策略，支撑模型训练与迭代； 4、优化RAG技术体系，包括向量检索、ES检索及图数据库检索方案，提升语义理解与知识融合能力； 5、设计、开发基于大模型的各类智能体，提高领域内的准确性和性能，并参与群体协作、联动； 6、了解并关注模型在云侧及端侧的工程化部署技术，优化模型结构，确保低延迟与高稳定性，跟踪行业动态、技术趋势，提出突破性技术方案并推动POC验证。

1.针对物流业务场景，利用大数据分析、数据挖掘、机器学习相关算法，解决业务需求，确保算法的效率和准确性； 2.利用AI、大数据分析、大模型等技术能力，解决企业内部各种低效率高人工成本场景类问题； 3.参与全链路数据开发，包括数据采集、日志解析、数据同步、数据清洗、数据模型设计、离线/实时开发、数据服务化、可视化和数据治理等工作； 4.探索大模型技术与现有数据架构融合，实现基于LLM的智能问答、知识图谱构建等创新应用； 5.与业务部门对接，收集需求、分析需求，并跟进方案实施及应用推广，确保数据解决方案和落地效果满足业务需求； 6.进行数据的应用价值研究和分析，提供数据洞察和决策支持，为业务部门提供数据驱动的解决方案。