蚂蚁金服蚂蚁集团-Code Agent 后训练算法专家-健康事业群

工作描述

任职要求
1. 学历背景
硕士/博士学位，计算机科学、人工智能、软件工程、数学、自动        化或相关专业优先。
2. 编程与工程能力
具备扎实的编程功底与软件工程素养，精通 Python，熟悉 C/C++；对代码生成、程序分析、编译原理、软件测试等领域有系统性理解；能够独立构建和维护复杂的实验pipeline，具备良好的代码规范与工程落地能力。
3. 强化学习理论与实践
深入理解强化学习核心理论（PPO、GRPO、DPO 及其变体），能够从数学原理层面分析策略梯度估计的方差控制、KL散度约束、价值函数基线设计等关键问题；有将 RL 算法应用于语言模型后训练的实际经验，了解 RLHF/RLAIF 的完整技术栈。
4. 大语言模型后训练经验
熟悉大语言模型的 SFT → Reward Modeling → RL 全链路后训练流程，理解 Alignment、Instruction Following、Chain-of-Thought 等核心概念；有独立完成过至少一个完整后训练实验的经验，对训练过程中的常见问题（奖励坍缩、模式坍缩、过度优化等）有实际应对经验。
5. 分布式训练与系统优化
熟练掌握至少一种主流分布式训练框架（DeepSpeed、Megatron-LM、FSDP、veRL/OpenRLHF 等），理解数据并行、模型并行、流水线并行的原理与工程实现；具备在大规模 GPU 集群上进行算法调优与性能排障的实战经验。
6. 研究能力与学术素养
具备优秀的文献调研与前沿追踪能力，能够快速消化最新研究成果并转化为可落地的技术方案；在 NeurIPS、ICML、ICLR、ACL、EMNLP、ICSE、FSE 等顶级会议或期刊发表过相关高质量论文者优先。
…