蚂蚁金服蚂蚁国际-AI工程专用通道-全球技术

1. 基于电商行为、支付数据、位置轨迹及关系网络等对全球用户、商户进行深入的分析及挖掘，构建全球用户及商户画像。 2. 构建知识图谱，利用文本摘要、文本生成等算法技术，搭建起全球化的营销运营内容体系。 3. 基于跨境支付、境外本地站点等国际业务场景及特点，设计搜索、推荐及营销引流等算法模型及策略，提升用户体验和转化效果，帮助用户增长及商家成长。 4. 利用深度学习、时序预测等技术帮助国际更加安全、高效的实现资金流动性、外汇及金融监督等管理。 5. 全面了解蚂蚁国际业务发展，提供基于机器学习、深度学习、文本挖掘、复杂网络等算法方案解决复杂的实际业务问题。 特别方向岗位： 1. 蚂蚁国际-大模型算法工程师-金融算法（只看深圳）：https://talent.antgroup.com/off-campus-position?positionId=25121007960043 2. 蚂蚁国际-金融算法工程师-全球技术（只看深圳）：https://talent.antgroup.com/off-campus-position?positionId=25062505405245 3. 蚂蚁国际-算法专家 - ASAP-全球技术：https://talent.antgroup.com/off-campus-position?positionId=26022608810687 4. 蚂蚁国际-隐私计算/密码/安全算法工程师-全球技术：https://talent.antgroup.com/off-campus-position?positionId=26030508991149

本岗位为东北大学3月26日宣讲专用投递通道，仅东北大学本校在校生可投递，用于后续专场面试的安排。 宣讲时间：3月26日18:30 宣讲地点：浑南校区1号公共教学楼A102 面试细节将在宣讲现场发布，期待与您相见！ 工作内容 1. 与各业务、产品、工程团队配合，在京东亿量级的数据与丰富的业务应用场景中不断进行深入的算法研究和模型构建，包括但不限于自然语言处理、计算机视觉、机器学习（尤其在深度学习领域）； 2. 参与到京东不同场景的算法研发中，例文本内容理解、智能对话的语义解析及意图理解、图像检测、图像分类、电商搜广推算法、新AI生成技术范式落地研究等； 3. 与京东的技术团队及科学家们一同参与算法研发的前沿研究，助力业务提升效率，实现京东技术愿景和战略。

1. 研发下一代AI驱动的软件工程范式 - 构建面向移动端及嵌入式OS的智能编程系统，探索LLM在代码生成、架构设计、静态分析及测试用例生成等全流程的自治能力； - 研发智能编程辅助系统，实现需求文档→技术方案→代码实现→测试验证的端到端闭环开发。 2. 构建软件工程Agent体系架构 - 设计具有记忆、规划与工具调用能力的多智能体框架，实现复杂功能开发的自主决策与执行； - 开发基于强化学习的Agent协作机制，优化代码质量、构建成功率等核心指标。 3. 研发超大规模代码检索增强生成系统 - 设计高效的多粒度代码索引结构与语义检索框架，实现亿级代码片段的高精准召回与排序； - 研发代码知识库与LLM深度融合的混合检索技术，提升复杂项目上下文理解与跨文件依赖分析能力。 4. 微调和评估软件工程领域专用模型 - 针对IDE补全、对话等场景微调专用小参数大模型，提升代码生成率； - 评估大模型在特定软件工程领域的能力，针对具体研发场景选择适合的模型。 5. 前沿技术探索与专利布局 - 跟踪代码大模型、程序分析、AI软件工程等领域国际顶会（ICSE/PLDI/NeurIPS等）最新进展； - 主导技术创新点的专利撰写与学术论文产出。 【课题名称】 AI智能软件开发系统研究 【课题内容】 构建下一代AI驱动的智能软件开发系统 1. 面向移动端OS的智能编程系统； 2. 构建软件工程Agent系统； 3. 研发超大规模代码检索增强生成系统。

用AI Coding工具链重构丰图的软件开发流程和数据生产与地图研发流程，实现从需求到部署的70%以上环节由数字员工自动完成。 1. AI原生研发流水线设计（40%） 主导建设丰图内部的 "AI-Native DevPipeline"，整合： 代码生成层：Claude Code / CodeBuddy / Cursor 的标准化工作流 知识管理层：基于RAG的代码库索引（Codebase Indexing）与Skills库管理 质量门禁层：AI驱动的Code Review、自动化测试用例生成、智能修复 针对轨迹数据标注、路网拓扑校验、网格计算等GIS核心环节，设计专用AI Agent工作流 2. 数字员工集群架构（30%） 设计并落地多智能体协作框架（Multi-Agent Orchestration）： 需求分析Agent（PRD生成与拆解） 代码生成Agent（Vue3前端组件 / java/C++微服务 / PostGIS查询） 测试验证Agent（单元测试生成、GIS数据精度校验） 部署运维Agent（CI/CD流水线触发、K8s配置生成） 硬性指标：实现单个需求从文档到生产的端到端自动化率≥70%，人工仅做最终Review 3. 工程化标准与工具链（20%） 制定丰图AI Coding规范： Prompt模板库（针对java/C++错误处理、Vue3组合式API、MapLibre GL集成） Skills标准化格式（Markdown+Python/TS，兼容Claude Code与OpenClaw） MCP服务器管理（GIS空间计算、路径规划、瓦片服务的MCP封装） 建立人机协作契约：明确"AI生成代码"与"人工干预"的边界（如：核心算法模块必须人工Review，Boilerplate代码全自动化） 4. 业务场景深度赋能（10%） 将AI工程化能力注入丰图核心业务： 地图数据生产：利用顺丰的轨迹数据、业务数据，设计AI自动标注Pipeline（GPS点云→矢量地图）协助生产POI，AOI，楼栋等信息 跟踪AI自动化领域前沿技术（大模型、数字员工、自动化测试等），结合公司业务实际，挖掘技术应用场景，制定长期技术与产品迭代规划。