蚂蚁金服蚂蚁集团-Agentic RL 工程技术研发专家-北京/杭州
任职要求
1. 熟悉 Python 研发，熟悉并行计算、AI Agent 系统、沙箱技术技术等任一领域的专业知识； 2. 能够熟练部署和使用主流 AI 模型和工具，了解 Prompt 和 Context Engineering 等调优手段； 3. 熟悉 GRPO/PPO 等 RL 算法、AReaL/v…
工作职责
ASystem 会探索和构建高性能的 AI 强化学习基础系统，让语言交互、智能体、具身智能等各类 AI 场景都能基于这个基础系统走向高效的自我演进，迈向更高的智能水平。 1. 研发 Agentic 强化学习工程，包括 Agentic RL 算法、长上下文训练加速、多轮轨迹交互等能力； 2. 研发工具和 Agent 合成工程，包括 toolUse、SWE、computerUse、browserUse、Mutil-Agents 等场景； 3. 研发环境工程和高性能 sandbox 引擎技术，包括多语言执行环境、桌面虚拟化渲染、大型程序虚拟环境等场景，满足大规模并发调用、极速启动、安全隔离等能力；
技术研发与创新 主导 Agentic RL 系统的架构设计和前沿算法研发 将学术前沿（NeurIPS、ICLR 等会议技术方案）快速转化为美团特有的业务价值 针对本地生活场景，设计突破性的奖励函数和学习机制 建立 Agent 系统的 Scaling Law，指导大规模部署的技术路线 项目驱动与落地 推动 Agent RL 系统从研究到生产环节，确保算法的稳定性、可靠性和效率 与产品、工程团队深度合作，将研究成果转化为实际业务收益 团队领导与人才培养 组建和领导一支在 RL 和 Agent 领域的高水平研究团队 制定团队的技术战略和发展规划 指导团队成员的学术输出和技术成长 培养团队的工程实践能力，建立高效的算法开发和迭代流程
参与Agentic RL系统的工程研究和落地，工作包括/不限于：Agentic RL系统部分功能的设计和实现、RL性能优化、RL算法实现、数据合成链路设计和实现等 跟进公司内外AI Agent方向的技术演进，进行Agentic RL相关的技术调研。
1. 构建后训练专用高性能架构，支持从SFT到RLHF/Agentic RL的全流程调优，为RM模型训练、PPO等复杂算法提供千卡级别的超大规模分布式训练支持，攻克特定阶段的性能瓶颈。 2. 打造极致推理与服务引擎，优化针对RLHF/Agentic RL流程中多个模型的交互式推理链路，通过编译优化、动态批处理、量化等技术，实现高吞吐、低延迟的模型服务，确保用户体验的流畅性。 3. 释放异构硬件最大潜能，深入CPU/GPU/NPU等底层硬件，通过CUDA内核定制、通信库优化（如RDMA）及MLIR/TRITON等编译技术，旨在将硬件性能压榨到极致，以应对高德海量用户与场景的挑战。
日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。 团队介绍：Data AML是字节跳动公司的机器学习中台，为抖音/今日头条/西瓜视频等业务提供推荐/广告/CV/语音/NLP的训练和推理系统。为公司内业务部门提供强大的机器学习算力，并在这些业务的问题上研究一些具有通用性和创新性的算法。同时，也通过火山引擎将一些机器学习/推荐系统的核心能力提供给外部企业客户。此外，AML还在AI for Science，科学计算等领域做一些前沿研究。 1、负责火山引擎-方舟大模型平台的Agent技术研发，包括Multi-Agent框架、Memory机制、Agent-RL等基础能力建设； 2、开发UI-Agent、DeepResearch Agent等专业领域Agent，提升大模型在特定场景的应用能力； 3、设计并实现易用高效的Agent开发套件，降低开发者使用Agent技术的门槛； 4、探索Agent方向的创新方法与技术，提出更先进的Agent范式，引领行业技术发展； 5、探索面向Agent的评估方法，构建火山方舟Agent评估体系。