蚂蚁金服蚂蚁集团-智能化大模型应用专家/高级专家-北京/杭州
任职要求
1、计算机、人工智能、数学等相关专业背景，硕士6-10年的工作经验，其他条件符合可适当放宽； 2、熟悉AI领域的主流算法框架，深度学习基础扎实，有较好数学基础； 3、在计算机视觉、CV领域有丰富经验，在大模型、尤其多模态大模型应用领域有丰富经验，有通过MLLM模型解决实际业务问题经验；熟练掌握模型的继续预训练、后训练（SFT、RL）工作，有较强的解决实际问题能力…
工作职责
1、负责支付宝数字化风险防控体系能力的建设，包括数字内容、电商商品、短视频、直播互动等领域，应用大模型（不限于LLM、MLLM、AI Agent等）进行风险防控的能力建设； 2、负责支付宝数字化风险领域面向智能领域的全面升级，设计算法解决方案，解决疑难点问题，规划中长期发展路线，推动算法的长期迭代； 3、根据业务场景制定有效的模型训练方案，解决算法领域相关重/难点问题，协同团队达成相关模型的性能指标，创造业务价值和技术价值； 4、不断探索前沿智能技术，进行重点难点技术攻关工作。
方向一：搜推效率、生成式、店品券 岗位职责： 1、负责搜索/推荐业务的召回、粗排/精排算法设计和优化，提升大盘转化效率； 2、负责用户、商户、query、营销信号等各维度特征、模型样本等基础模块的搭建和优化； 3、应用机器学习/深度学习、生成式推荐等算法技术，优化召回/排序模型，推动生成式推荐算法的工业落地； 4、与上下游的数据、工程、产品等团队紧密配合，把算法模型等上线到业务场景中，提升业务效果； 5、跟进推荐系统前沿研究方向，结合业务场景进行创新与落地，做技术沉淀和paper发表。 方向二：大混排（统一混排）、全站推 岗位职责： 1、负责混排（信息流+商业化）算法的设计和优化，提升流量变现效率和用户体验； 2、建立并优化目标函数，通过混排多目标优化平衡用户体验 & 平台收益； 3、结合用户画像、内容特征、广告属性等多维度信号，构建高效的特征工程与模型； 4、应用深度学习、强化学习等技术优化推荐与广告混排效果； 5、与工程、产品、运营团队密切协作，将算法落地到生产环境，并持续监控与优化效果； 6、跟踪前沿的推荐与广告算法研究，推动新技术在业务中的应用。
构建面向智能计算时代的下一代AI质量保障体系，驱动专有云智算、大模型等核心AI产品的卓越质量交付，同时通过AI技术重塑软件测试范式，打造智能化、前瞻性的测试基础设施： 1、 负责专有云智算平台（含GPU资源调度、高性能存储/网络组件）、大模型服务产品的全链路质量体系建设 2、同时能够将AI技术深度融入软件测试全流程，通过AI技术驱动测试效率提升、质量优化和流程变革 3、主导AI测试工具研发、智能化测试体系建设，并为团队提供AI技术在测试领域的前沿解决方案。
● 设计和实现高效的训练推理框架，提升多节点、多GPU环境下特别是异构算力场景下的计算效率。具备良好的工程实践和算法理论基础，熟悉底层的硬件编程和常见GPU的算子库开发，能对算法的运行效率如速度、显存占用等进行优化，推动算法稳定、高效的运行。 ● 完善优化训练推理框架，针对市面上的国产信创卡能提出统一的优化方案，并推进在底层的通信效率、资源占用、稳定性方面持续建设。 ● 设计并实现能够处理大规模并发请求的系统架构，确保极端负载下的稳定性和性能。完善错误自愈机制，提升平台训练的MFU，打造行业内一流的异构算力混训混推GPU框架。 ● 技术方案设计：主导核心模块技术方案设计与评审，结合业务需求与系统现状，制定可落地的架构规划。 ● 基础服务开发：构建高可用、可扩展的基础服务组件，支持训练/推理框架的快速迭代与稳定部署。 ● 项目管理：主导跨团队协作项目的全生命周期管理，包括需求拆解、排期规划、进度跟踪与风险控制，确保项目高效交付。 ● 持续关注并跟进业界技术发展，比如超长上下文、端到端推理思维链、多模态等方向。
随着企业开始构建Agent并逐步上线，围绕AI应用的数据使用越来越被重视，特别是基于数据进行效果持续提升成为决定Agent是否成功的关键，比如应用评估、模型后训练、上下文优化等。云原生的产品中有大量的Agent实时运行数据和业务数据，我们正在这些产品之上构建新的产品能力，来帮助客户更好的利用这些数据用于Agent的持续效果优化。包括结合AI的场景对数据进行持续的处理、存储，以及与阿里云的其他AI产品进行集成，在不同的场景中使用。我们需要资深的产品专家来定义这些新的场景，并以产品化的形式交付给我们的客户，助力客户AI应用成功。主要的职责包括： 1. 深刻理解客户业务和场景需求，追踪AI行业发展趋势及技术发展动态，规划产品演进路径及迭代。一方面负责存量产品的持续增长，包括消息队列、Kafka、日志服务、可观测等产品；同时不断发掘存量产品与AI的结合，包括AI提升产品能力，以及产品如何在AI的新场景中发挥作用。 2. 探索AI应用数据领域的新方向产品的孵化和前期市场探索，场景包括如何将应用数据用于Agent智能体的持续效果调优，包含AI应用相关数据的采集、存储、处理，以及后续在智能应用评估、模型后训练中的使用，帮助用户构建AI应用数据飞轮，持续提升Agent效果。 3. 制定产品策略以及市场策略，以业务成功为导向，协同研发、售前、运营、文档等多角色共同达成业务目标。