蚂蚁金服【Plan A】基模算法工程师-百灵-27届
任职要求
1. 扎实的深度学习与优化理论基础； 2. 深入理解 Transformer、MoE 与主流大模型架构； 3. 有大规模预训练或后训练实战经验； 4. 熟悉 SFT / RLHF / Alignment 等训练范式； 5. 能独立设计实验并进行严谨验证； 6. 能从第一性原理建模问题； 7. 对 scaling 与能力演化有系统性思考； 8. 能在复杂工程约束下做出算法决策。 加分项…
工作职责
Ling Team 聚焦百灵模型家族的核心算法创新。 我们关注的不只是 benchmark 指标，而是： 1.极限深度思考能力； 2.长程推理与规划能力； 3.Agentic 执行与真实世界决策； 4.在工业规模下可持续扩展的训练范式。 在万亿参数与百万亿 token 规模下，算法设计必须与系统规模协同演化。 本岗位将参与模型架构、预训练策略与强化学习范式的核心设计，推动模型能力边界的持续扩展。 我们寻找的不是只优化 loss 和 benchmark 的研究员，而是能参与定义下一代通用语言模型能力形态的人。 主要职责包括： 模型架构创新 1.设计与优化 Transformer / MoE / 混合 Attention 等架构； 2.探索高效计算结构与能力提升之间的 trade-off； 3.建模与验证 架构/超参/数据 Scaling Laws； 4.设计支持长上下文与深度思考的结构机制； 5.与系统团队协作完成架构级 co-design； 6.探索针对记忆机制的架构设计和训练方式。 超大规模预训练策略 1.设计大规模预训练目标，建立预训练模型能力的定量评估框架； 2.优化 optimizer、数据配比与编排策略； 3.构建 mid-training 与能力迁移机制； 4.在百万亿 token 规模下验证训练假设。 后训练与强化学习范式 1.优化基于 SFT / RLVR / Agentic RL / RLHF / distillation 的后训练范式； 2.构建“正确性 × 过程质量 × 信息密度”复合奖励机制； 3.优化 reasoning 与 tool-use 协同能力，实现周级别的长程工作能力； 4.推动强化学习在工业规模上的稳定训练； 5.设计 multi-agent RL 协同训练与工作范式。
1. 核心模型研发：负责具身模型的全链路研发，包括数据处理、模型预训练、后训练优化及真机部署，确保模型在实际场景中的高效性和准确性； 2. 数据工程建设：主导大规模机器人数据集的采集、清洗、标注和管理工作，构建高质量的多模态数据pipeline，为模型预训练提供坚实基础； 3. 端到端模型训练：参与具身模型的预训练架构设计，并负责真机环境下的强化学习后训练，实现在线学习能力提升； 4. 前沿技术跟踪：持续跟踪具身智能领域的前沿进展（包括最新论文、开源项目等），快速验证并将先进技术落地到产品中，推动模型性能持续迭代。
1. 负责 ANN(Approximate Nearest Neighbor) 算法的设计和验证，结合软硬件实现大容量、高吞吐、高召回、低成本的向量检索算法，持续构建业界领先的产品竞争力； 2. 跟进 RAG/AIGC 的前沿技术研究，探索向量检索在 LLM 大模型场景中的应用； 3. 持续跟踪学术界与工业界主流的向量检索算法最新进展。 你将负责什么？ 智能融合：设计图谱与向量的融合重排算法，让语义与事实互补，实现1+1>2的召回效果。 极致效率：优化亿级混合检索性能，攻克系统瓶颈，将端到端延迟压缩至毫秒级以支撑实时场景。 召回边界：设计创新召回策略，结合向量泛化与图谱推理，解决复杂、模糊查询下的知识发现难题。
1. 负责 ANN(Approximate Nearest Neighbor) 算法的设计和验证，结合软硬件实现大容量、高吞吐、高召回、低成本的向量检索算法，持续构建业界领先的产品竞争力； 2. 跟进 RAG/AIGC 的前沿技术研究，探索向量检索在 LLM 大模型场景中的应用； 3. 持续跟踪学术界与工业界主流的向量检索算法最新进展。 你将负责什么？ 智能融合：设计图谱与向量的融合重排算法，让语义与事实互补，实现1+1>2的召回效果。 极致效率：优化亿级混合检索性能，攻克系统瓶颈，将端到端延迟压缩至毫秒级以支撑实时场景。 召回边界：设计创新召回策略，结合向量泛化与图谱推理，解决复杂、模糊查询下的知识发现难题。
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。