蚂蚁金服蚂蚁集团-数据科学专家（碰一下）-数字支付

方向一： 1. 解决数据在业务N场景下的基建问题，充分提升底层数据建设，提升N项目中的数据研发质量和效率 2.解决N项目的数据洞察问题，通过数据的理解分析，发现N项目的可提升点，辅助业务快速提升 3. 解决N项目资产沉淀等问题，为算法和人工策略提供基础，辅助业务在铺设、营销等场景的快速提升 方向二： 1.数据基建：负责支付宝核心支付数据体系建设，解决支付场景下的数据基建问题，提升支付的数据研发质量和效率，使支付数据体系可持续发展。 2.数据洞察：围绕支付业务目标，通过数据分析洞察、构建分析工具，为业务目标达成提高效率；通过统计建模、因果推断、AB实验设计等数据科学方法，在科学量化运营策略效果和价值的同时，产出业务策略优化建议，助力业务目标达成。 3.前沿技术探索与落地：探索大模型等技术在支付数据场景的应用，推动数据分析和挖掘的效能革新。

1. 围绕数据保障、基础模型评测以及算法效果评测和调优，搭建面向碰一下等支付业务的数据算法质量保障体系和工程能力。 2. 保障算法服务化工程质量并参与稳定性相关建设，构建高品质的稳定性保障能力，有质量技术方向的创新。 3. 工作内容包括不限于持续集成，回归体系，质量工具开发，线上监控应急，离在线数据，算法评估评测等，推动架构、技术、工具和流程的改进和创新，多工种配合，提升整体研发和交付的效率。

我们是小红书中台大模型 Infra 团队，专注打造领先易用的「AI 大模型全链路基础设施」！团队深耕大模型「数-训-压-推-评」技术闭环，在大模型训练加速、模型压缩、推理优化、部署提效等方向积累了深厚的技术优势，基于 RedAccel 训练引擎、RedSlim 压缩工具、RedServing 推理部署引擎、DirectLLM 大模型 API 服务、QuickSilver 大模型生产部署平台等核心产品，持续赋能社区、商业、交易、安全、数平、研效等多个核心业务，实现 AI 技术高效落地！ 1、参与设计实现支持RLHF/DPO等对齐技术的高效训练框架，优化强化学习阶段的Rollout、Reward Model集成、多阶段训练 Pipline； 2、研发支持多机多卡 RL 的分布式训练框架，开发TP/PP/ZeRO-3与RL流程的动态协同机制，解决 RL 算法在超长时序下的显存/通信瓶刭 3、构建端到端后训练工具链，主导框架与 MLOps 平台集成，提供训练可视化、自动超参搜索等生产级能力 4、与公司各算法部门深度合作，参与大语言模型LLM、多模态大模型 MLLM等业务在 SFT/RL领域的算法探索和引擎迭代； 5、参与分析各业务 GPU 利用率与饱和度等指标，结合业务场景持续优化训练框架能力，提升框架领先性。

【业务介绍】 作为公司统一的机器学习平台团队，负责调度公司所有模型训练与推理资源；基于自建的训推引擎，构建公司统一的机器学习平台，为公司所有算法同学（稀疏 & 稠密，含 LLM） 模型迭代提供端到端的一站式服务；包括 数据生产，模型训练，模型上线，特征管理，模型测试，资源管控等一系列能力。 【岗位职责】 1、负责机器学习链路，离在线数据相关的开发工作，包括样本数据、特征数据等的数据链路搭建、任务运维和调优、性能优化等 2、负责小红书大规模机器学习平台的后台系统设计和开发工作；包括样本平台，特征平台，训练平台，推理平台等AI应用后台建设等； 3、研究分析业内AI平台产品，优化技术方案，改进产品功能，完善产品体验。