蚂蚁金服【蚂蚁星-Plan A】助理研究员-深度学习方向-26届
任职要求
1. 教育背景优秀，计算机相关专业在读博士或者特别优秀的硕士； 2. 有较好的计算机科学和算法基础，编程能力强，熟练使用分布式训练/推理框架； 3. 有大模型、深度序列模型、深度生成模型、知识图谱等相关技术或者落地经验者优先； 4. 产出需在论文、开源、比赛成绩、项目上满足一下至少两条； ·a、在诸如ICML/ICLR/NIPS、ACL、CVPR/I…
工作职责
蚂蚁集团技术研究院致力于做有用、有想象力的科研，负责探索下一代技术前沿，帮助蚂蚁构建下一代技术发动机。 蚂蚁技术研究院深度学习实验，由在深度学习、大模型领域有广泛影响的学者领衔，致力于下一代高准确性、高效率AGI大模型的探索，实现世界级的技术创新和影响。团队成员深耕深度学习、大模型领域多年，目前多位成员具有上万的学术引用。 实验室技术氛围浓厚，适合有探索和挑战精神的青年才俊。在这里，你有充分的训练资源和数据资源，有专业的讨论和指导，有和世界领先团队交互的机会。在优质的成长环境中，可以让你快速成长。 你将参与下一代AGI大模型的探索和研究工作，包括但不限于算法创新；技术创新论文的撰写；开源对外等。
蚂蚁集团技术研究院致力于做有用、有想象力的科研，负责探索下一代前沿科技，帮助蚂蚁构建更具竞争力和可持续性的技术生态。 蚂蚁技术研究院数据智能实验室专注于通过下一代数据创新深化AGI前沿，这里汇聚了一群对人工智能充满热情的极客、科学家和工程师，核心成员累计学术引用量过万。 实验室拥有顶级资源支持包括但不限于海量高质量训练数据（万亿级Token，覆盖多领域、多模态）；超大规模算力（万卡级GPU集群，支持分布式训练与高效调优）；与全球顶尖AI团队（如DeepMind、OpenAI等）的深度合作机会等。 你将参与： - 下一代AGI大模型研发 a. 探索更高效的训练架构 b. 突破现有模型的推理与泛化能力 c. 研究多模态、因果推理、强化学习等前沿方向 - 构建新数据范式 a. math/code数据饱和后的后训练时代数据 b. 合成数据，突破全球可用数据上限 c. 多模态数据，构建空间数据与跨模态任务的核心引擎 - 技术创新与开源 a. 撰写高质量技术论文，推动学术边界 b. 构建开源工具链，降低AGI研发门槛 c. 与全球开发者社区互动，分享你的成果
我们是一支致力于突破人工智能系统与算法边界的前沿研发团队。团队聚焦于大规模语言模型（LLM）及新型架构范式（包括Diffusion LLM） 的高性能训练与推理优化，目标是在系统层（Systems Level）与算法层（Algorithmic Level） 同步创新，打造下一代智能计算基础设施。我们的研究覆盖分布式系统设计、推理框架优化、编译器加速等多个方向。 岗位职责： 1. 实现和优化用于大规模LLM（如Diffusion LLM）训练与推理的高性能计算系统； 2. 开发高效的分布式并行框架； 3. 开发和优化AI编译器； 4. AI for system的AI协同系统优化 5. 与算法团队协作，联动模型结构设计与系统性能共优化。
我们负责蚂蚁集团内基础人工智能技术的研发与创新，致力于通用人工智能的实现。研究范围涵盖广泛，不仅包括语言大模型、多模态大模型等前沿的大模型技术，也深耕优化算法、知识图谱等基础AI方向。我们自主研发并开源了百灵大模型系列，旨在打造更高效、更通用的AI技术底座。我们积极推动开放协作的AI生态建设，通过技术共享、产学研合作等方式，促进人工智能技术的普惠发展，推动AI技术在各行各业的深度应用。 1. 负责研发大语言模型预训练技术，如高效的新型llm模型架构、长窗口训练技术、pretrain scaling law、高效预训练策略等。 2. 负责研发基于强化学习的推理模型，如大规模强化学习、新型RL算法、testing time scaling等。
作为蚂蚁集团的核心大模型部门，我们专注大语言模型的技术攻坚与创新突破，致力于推动通用人工智能（AGI）技术的实质性进展。团队聚焦LLM后训练方向，包括模型对齐、高阶推理、安全可控等，持续完善智能系统的认知深度与可靠性。目前部门拥有数万张显卡资源，并且仍在持续加大投入，为探索模型能力边界提供坚实的保障。在追求AGI的道路上，我们始终秉持蚂蚁集团的技术务实基因，通过扎实的底层创新推动智能技术的产业落地。 1. 研发万亿参数LLM基模架构：大语言模型（LLM）后训练（post-train）全流程优化，设计高效分布式训练方案，进行十万亿token级别的超大规模训练，包括但不限于通用能力提升、安全对齐等方向； 2. 奥赛级别的LLM各项能力建设，迈向真正的AGI：前沿的高效强化学习算法设计，实现并应用SFT/RLHF/DPO/PPO/GRPO等算法，研发训推一体的大规模强化学习训练框架，探索多目标奖励模型、过程监督等前沿技术，提升模型在指令遵循、逻辑推理、多任务泛化等方面的性能； 3. 扩大工业与学术影响力：开源LLM模型及核心技术，发表顶会论文，贡献核心开源项目。