蚂蚁金服蚂蚁集团-大模型研发工程师（RAG检索方向）-蚂小财
任职要求
1.Java基础扎实，两年以上互联网研发经验，能够负责跨团队项目中的架构设计以及核心模块研发； 2.熟悉常见问题解决方案及其原理（分布式缓存、微服务、消息中间件、负载均衡、连接池等），有良好的软件工程知识和编码规范意识； 3.具备很…
工作职责
大模型检索增强生成方向 1.知识工程：负责金融知识库建设，负责知识清洗、知识理解、知识加工、索引构建等核心流程建设，用大模型技术做有广度、有深度的知识理解和加工； 2.检索工程：负责检索工程建设，负责QP、QQ/QD/结构化召回、精排等核心模块开发，建设MCP、图搜索、多模态检索等多项能力，分析检索中的BadCase并制定解决方案； 3.技术创新：积极探索技术前沿，鼓励并支持将技术成果沉淀为技术文章，专利和学术论文。
1.负责语言大模型相关技术（知识注入、指令对齐、工具接口、深度推理、知识围栏）的算法研究和应用落地，具备自然语言处理、对话系统、语义理解、文本检索，强化学习、图学习等方向的丰富知识和研发经验； 2.负责金融智能助理蚂小财和理财师人机协同对话系统建设，包括但不限于大模型RAG系统构建、DPO/KTO、GRPO等RL模型的Reward设计与实现、Hybrid Reasoning混合推理系统、金融DeepResearch系统等，结合业务场景进行落地，提升理财师采纳率和GMV等指标； 3.参与大模型对话意图识别、对话管理DST、对话生成AIGC、人机协同、金融检索NL2API/NL2SQL、大模型工具学习、情感分析、用户模拟器等产品研发； 4.积极探索技术前沿，鼓励并支持将研究成果沉淀为技术文章、专利和学术论文。
-参与向量数据库内核能力的设计与研发，包括但不限于 -向量索引结构（如 HNSW / IVF / PQ 等）的工程实现与优化 -查询执行、召回与排序流程的性能优化 -数据组织、Segment / Index 管理、内存与磁盘效率优化 -参与 向量检索与 RAG 场景 的系统研发与优化 -向量 + 结构化 / 文本检索的混合检索（Hybrid Search） -向量召回、过滤、重排等链路的性能与稳定性优化 -参与 向量数据库云化 / 平台化能力 的研发 -集群管理、资源调度、弹性伸缩、多租户隔离 -高可用、容灾、监控、运维自动化能力建设 -参与线上系统问题定位与性能瓶颈分析，支持核心客户场景，推动产品能力持续演进
1、基于大语言模型（如Qwen、DeepSeek）开发房产领域C端AI应用，包括智能选房助手、购房政策解读、楼盘分析等场景。 2、搭建LLM应用开发框架（如LangChain、LlamaIndex），实现意图识别、RAG检索、内容整合等核心能力。 3、设计支持海量数据场景下的RAG架构，支持房源、楼盘、行情、政策等内容的RAG化，并且达到C端召回准确率要求。 4、开发自动化评估工具，量化RAG系统和联网数据在召回率、错误率、幻觉率、响应延迟等指标并设计方案持续调优解决。
1、设计与开发面向内容治理的 AI Agent 框架，利用大模型的推理能力，解决治理业务场景难题。 2、通过 Prompt Engineering、RAG（检索增强生成）及 Agent 编排，提升业务“机审率”，减少人工干预成本。 3、负责治理系统的设计、开发与维护，包括内容审核、风险识别、违规处理等核心模块的实现； 4、与算法、产品和运营团队协作，优化内容治理规则引擎，提升平台内容安全性和生态健康度； 5、负责系统架构优化，确保服务高可用、高性能、可扩展性，处理线上问题并持续迭代； 6、参与需求分析、技术方案评审，编写技术文档，并进行代码审查和性能调优； 7、跟踪行业内容治理技术趋势，引入新技术提升系统效率和准确率。