蚂蚁金服蚂蚁集团-算法工程师-大模型数据智能
任职要求
1、计算机科学、人工智能、深度学习或相关领域的硕士及以上学历。 2、熟练掌握PyTorch、Tensorflow 等深度学习框架，理解大模型训练数据的需求，熟悉模型数据的链路， 3、优秀的定义、分析、解决问题的能力，自我驱动，具备较强的学习、创新应用和沟通协调能力，problem-solver 以下情况优先考虑： 1、有大模型数据体系设计、语料分类、评测集建设、数据标注算法等相关项目的实践经验者优先。曾参与过大型数据集构建或数据质量评估工作的候选人优先考虑； 2、有大模型、智能体、强化学习、数据标注算法等相关技术领域工作经验者优先； 3、拥有计算机视觉、自然语言处理、人工智能相关领域的顶级会议论文发表，或者在相关算法竞赛中获得top排名者优先。
工作职责
大模型数据认知方向，负责设计和开发先进的算法，解决大模型数据生产中的关键问题，包括但不限于数据知识体系生成、语料自动分类、智能数据标注、权威评测集建设以及基于评测的语料质量评估与合成。你的工作将直接影响蚂蚁大模型的训练效果和性能表现。工作将涉及以下1个或多个方向 1、数据知识体系生成： 研究基于LLM的自动知识图谱生成技术，设计并实现自动化算法，构建高效、可扩展的大模型数据知识体系。 2、语料自动分类： 基于数据知识体系，研究和开发语料分类算法，指导大模型数据的拓展方向； 3、权威评测集建设： 研究业界现有评测集的缺陷，构建标准化、多样化的权威评测集，用于评估大模型的性能； 与跨职能团队合作，确保评测集覆盖全面且具有代表性。 4、语料质量评估与合成： 建立大模型训练的数据驱动体系，开发语料质量评估算法，识别低质量或噪声数据。 研究数据驱动的语料合成技术，基于模型的评测效果，针对性合成能够改进模型效果的训练语料，提升模型迭代效率 5、智能标注链路研发: 基于大模型数据的标注需求，研发辅助打标算法； 设计构建 AI辅助的标注质量检验与标注提效的算法链路，提升人工标注的质检效率与标注质量 6、技术创新与优化： 持续跟踪学术界和工业界的最新研究成果，探索前沿技术在大模型数据中的应用。 针对实际业务需求，提出创新性的解决方案并快速落地。
项目内容介绍： 人工智能和大模型数据智能服务项目。主要分为以下两个方向： 1、GPT应用平台场景，打造企业级一站式大模型平台，提供先进的生成式AI生产及应用全流程开发工具链；支持了公司辅助营销、智能客服等众多智能化应用。 2、整车行业智能化场景的解决方案，包括；研发和生产数字化、数字化营销和服务等。 - 通过先进的数据分析和人工智能算法，实现生产资源的优化配置和生产流程的精细化管理； - 通过AI检测提高产品质量、提升生产效率、降低生产成本以及优化生产工艺； - 通过AI的数据挖掘和分析，为产品设计、制造、测试等环节提供决策支持； - 通过AI辅助生成营销文案，处理大量的客户咨询和服务请求，降低运营成本，提高效率等。 职位描述： 1. 深入参与公司在大模型、深度学习等前沿领域的研究和开发工作； 2. 负责关键算法的设计、实现与优化，解决技术难题，提升产品性能； 3. 与产品、工程团队紧密合作，确保项目的顺利推进； 4. 跟踪业界最新学术论文与技术动态，进行技术预研和储备，为公司的发展提供有力支持；
项目内容介绍： 人工智能和大模型数据智能服务项目。主要分为以下两个方向： 1、GPT应用平台场景，打造企业级一站式大模型平台，提供先进的生成式AI生产及应用全流程开发工具链；支持了公司辅助营销、智能客服等众多智能化应用。 2、整车行业智能化场景的解决方案，包括；研发和生产数字化、数字化营销和服务等。 - 通过先进的数据分析和人工智能算法，实现生产资源的优化配置和生产流程的精细化管理； - 通过AI检测提高产品质量、提升生产效率、降低生产成本以及优化生产工艺； - 通过AI的数据挖掘和分析，为产品设计、制造、测试等环节提供决策支持； - 通过AI辅助生成营销文案，处理大量的客户咨询和服务请求，降低运营成本，提高效率等。 职位描述： 1. 深入参与公司在大模型、深度学习等前沿领域的研究和开发工作； 2. 负责关键算法的设计、实现与优化，解决技术难题，提升产品性能； 3. 与产品、工程团队紧密合作，确保项目的顺利推进； 4. 跟踪业界最新学术论文与技术动态，进行技术预研和储备，为公司的发展提供有力支持；
大模型数据认知方向，负责设计和开发先进的算法，解决大模型数据生产中的关键问题，包括但不限于数据知识体系生成、语料自动分类、智能数据标注、权威评测集建设以及基于评测的语料质量评估与合成。你的工作将直接影响蚂蚁大模型的训练效果和性能表现。工作将涉及以下1个或多个方向 ● 数据知识体系生成： 研究基于LLM的自动知识图谱生成技术，设计并实现自动化算法，构建高效、可扩展的大模型数据知识体系。 ● 语料自动分类： 基于数据知识体系，研究和开发语料分类算法，指导大模型数据的拓展方向； ● 权威评测集建设： 研究业界现有评测集的缺陷，构建标准化、多样化的权威评测集，用于评估大模型的性能； 与跨职能团队合作，确保评测集覆盖全面且具有代表性。 ● 语料质量评估与合成： 建立大模型训练的数据驱动体系，开发语料质量评估算法，识别低质量或噪声数据。 研究数据驱动的语料合成技术，基于模型的评测效果，针对性合成能够改进模型效果的训练语料，提升模型迭代效率 ● 智能标注链路研发: 基于大模型数据的标注需求，研发辅助打标算法； 设计构建 AI辅助的标注质量检验与标注提效的算法链路，提升人工标注的质检效率与标注质量 ● 技术创新与优化： 持续跟踪学术界和工业界的最新研究成果，探索前沿技术在大模型数据中的应用。 针对实际业务需求，提出创新性的解决方案并快速落地。
1、负责大模型数据智能平台的核心研发，构建多模态标注、合成数据生成和高质量数据蒸馏系统，同时深入研究大模型工作原理并探索创新应用场景； 2、主导大模型应用的构建全过程，从需求分析、模型设计到开发实现与优化，确保数据平台的高效性与准确性，持续调优模型性能； 3、通过数据分析与算法改进，优化大模型数据供应链（标注、合成、蒸馏），提升模型效果和用户体验，并与跨部门团队协作推动项目落地； 4、关注行业前沿技术，引入创新算法理念，为数据平台的技术发展提供前瞻性建议，特别是在代码生成、模型对齐与持续学习等领域的应用突破。