蚂蚁金服【蚂蚁星】AI工程师-Agent Infra-灵光-27届

部门介绍： 蚂蚁AReaL会探索和构建高性能的 AI 自学习基础系统，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。 职位描述： 1. 探索和研究新一代Agent Infra计算系统，寻求从训推并行到Agent Self-Evolution的系统创新，实现大规模多智能体交互场景下的极致Token Effiencicy； 2. 以“Agent+RL”范式构建新一代面向Agent Infra的强化学习框架，实现多轮交互、过程奖励、大规模模拟环境等，支持各类智能体和搜索场景学习能力提升； 3. 探索结合AI硬件下的Agent Runtime技术创新。

1. 评测体系设计与平台化落地：主导设计数据驱动的LLM/多模态/Agent评测体系，建设自动化评测分析能力，支持在平台上完成评测任务的适配、调度与规模化分析； 2. 评测洞察与缺陷定位：基于对抗性分析、错误归因、能力边界挖掘等方法，系统定位模型在金融、医疗、小程序/APP等场景的核心短板，推动形成“评测-反馈-优化”的技术闭环； 3. Benchmark与数据资产建设：负责评测数据采集、清洗、标注、版本管理与标准制定，构建高质量、多样化的Benchmark资产； 4. 前沿评测范式探索：追踪全球前沿Benchmark与评估技术，研究RLHF/DPO等对齐数据驱动的新评估范式，探索仿真环境、Agent链路评测等新方法，保持技术领先。

1. 评测体系设计与平台化落地：主导设计数据驱动的LLM/多模态/Agent评测体系，建设自动化评测分析能力，支持在平台上完成评测任务的适配、调度与规模化分析； 2. 评测洞察与缺陷定位：基于对抗性分析、错误归因、能力边界挖掘等方法，系统定位模型在金融、医疗、小程序/APP等场景的核心短板，推动形成“评测-反馈-优化”的技术闭环； 3. Benchmark与数据资产建设：负责评测数据采集、清洗、标注、版本管理与标准制定，构建高质量、多样化的Benchmark资产； 4. 前沿评测范式探索：追踪全球前沿Benchmark与评估技术，研究RLHF/DPO等对齐数据驱动的新评估范式，探索仿真环境、Agent链路评测等新方法，保持技术领先。

作为我们大模型核心团队的一员，你将参与构建驱动AI模型持续进化的数据基础设施与工程闭环。这是一个直面海量数据、前沿算法和复杂工程挑战的核心岗位，也是你从校园精英成长为顶尖技术专家的绝佳起点。 你的工作与挑战： - 海量实时数据工程实践： 学习并参与构建支撑亿级用户的实时数据处理链路，直面高并发、高可用的工程挑战，掌握工业界大规模数据系统的设计与实现精髓。 深入实践多模态数据的清洗、归因与结构化技术，你将学习如何为复杂的AI模型提供标准、优质的“燃料”，理解数据质量如何直接影响模型表现。 - 前沿AI技术的工程化落地： 探索并落地面向RLHF和DPO等前沿训练方法的数据工程体系，你将学习如何自动化、规模化地构建高质量的偏好数据集，这是大模型“对齐”人类价值观的核心技术。 设计并开发模型问题的自动化发现与诊断系统，你将通过数据分析和工程手段，驱动模型质量的持续提升，为降低“模型幻觉”贡献关键力量。 - 数据驱动的算法迭代： 学习并运用因果推断等高级数据分析方法，在复杂的多轮交互数据中，科学地分析和定位影响用户体验的关键因素，为算法团队提供清晰、可信的优化方向。