蚂蚁金服蚂蚁集团-时序算法专家-杭州/北京

1、核心算法研发：主导Agentic RL及多智能体（Multi-Agent）算法的研发，融合大模型和多模态（LLM/VLM）的推理能力。 2、训练框架优化：负责RL训练框架的性能调优与迭代，提升大规模训练效率。 3、智能体构建与落地：构建面向真实场景的智能体，包括但不限于GUI Agent、代码Agent、根因分析（RCA）Agent等，驱动业务创新。

我们的愿景：【数据驱动智能，观测重构治理】 在专有云（Apsara Stack）这一数字化转型的技术深水区，我们正在打造 AI 驱动的可观测性中枢。通过高性能引擎与 LLM（大语言模型）的协同，我们致力于在海量、异构的专有云环境中，为政企客户提供秒级故障定位体验。 在这里，你处理的是关乎国计民生的核心基础设施，你定义的每一行代码都在构建一个**“可预测、自修复”**的数字底座。

1、技术方案设计 • 基于业务关键路径与风控等级，主导可靠性目标体系设计：SLA、SLO、SLI 定义与度量口径固化，建立 Error Budget 机制并推动准入/发布决策闭环； • 设计统一的可观测性与事件数据模型（日志/指标/链路/事件/变更），输出监控覆盖与告警分级策略； • 面向容量与资源弹性制定预测与规划方案：峰值建模、容量水位、扩缩容阈值、突增防护。 2、技术实现 • 将可靠性方案拆解为落地任务：指标接入、探针开发、告警规则、治理脚本、自动化运维工具、调度策略优化等，按规范交付； • 编写高质量自动化脚本与服务（Python/Go/Java/Shell），实现批量操作、巡检、数据对账、状态校验、健康探测与回滚； • 深度参与故障应急：值班 OnCall、事件指挥、跨团队协调、战情同步；推动 MTTA/MTTR 降低。 3、安全、稳定、效率和性能优化 • 建立全链路 SLI 指标体系：可用性、延迟、吞吐、错误率、资源利用率、队列深度、调度成功率、实例生命周期关键状态等；持续可视化与例会化分析； • 优化告警体系：告警质量指标（噪音率、误报率、漏报率、可行动性）、Alert → Incident 转换标准、分级通知矩阵； • 推进开发协同（左移）：在设计、开发与测试阶段加入稳定性 CheckList（幂等性、重试策略、熔断/超时、探活、依赖降级、状态收敛）。 4、技术预研 • 预研 Chaos 工具/平台并结合业务特性沉淀标准化故障模型与韧性指标； • 评估智能告警关联、根因定位、异常检测（时序/拓扑/依赖图谱）算法的适用性与成本收益，推动 PoC 与灰度落地； • 针对下一代可观测性（日志与指标融合、采样优化、eBPF 无侵入追踪）提出演进路线。 5、技术规划 • 基于业务增长曲线、产品演进与战略项目制定年度/季度稳定性 OKR：SLO 提升、MTTR/噪音告警压降、自动化覆盖率、演练覆盖率、容量冗余下降、成本优化目标等； • 规划多活/容灾演进路线：跨 Region 容灾 → 主动故障转移 → 智能调度；分阶段 KPI（RTO/RPO、演练周期、切换自动化程度）； • 制定发布与变更分级治理路线：高风险变更识别 → 准入标准 → 影子/灰度策略 → 自动化验收 → 全量放量策略 → 回滚演练常态化。

1. 大模型数据体系建设：负责多模态（图/影/文）全链路数据工程，涵盖接入、清洗过滤、模态对齐、采样配比及版本管理。 2. 自动化流水线：设计并落地高并发数据处理 Pipeline，提升数据产出效率、稳定性与实验可复现性。 3. 质量评估与监控：建立多维度数据质量指标（如时序一致性、模态对齐度、噪声率等），构建自动化 QA 与健康度监控看板。 4. 数据策略优化：针对模型训练目标制定数据策略，包括难例挖掘、长尾补齐、负样本构造及数据混配，通过实验驱动模型收益。 5. 闭环迭代：协同模型与业务团队，针对 Bad Case 定位数据问题，打通“数据-训练-评估-回流”的闭环迭代。