蚂蚁金服【Plan A】大模型Agentic RL算法工程师-百灵-27届

工作描述

任职要求
1. 理论基础扎实： 拥有深厚的深度学习与非凸优化理论功底，具备从第一性原理（FirstPrinciples）对复杂问题进行数学建模和拆解的能力；    
2. 架构深度理解： 深入掌握 Transformer 及其变体架构，熟悉 MoE（混合专家模型）机制及主流 LLM 的底层实现细节；   
3. 后训练范式： 精通 SFT（监督微调）、RLHF（人类反馈强化学习）、DPO/PPO 等对齐算法，深刻理解Alignment（对齐）背后的数学原理与优化挑战；    
4. Agentic 实战经验： 具备复杂 Agentic 系统（如 Tool-use, Reasoning,Planning）的训练与全链路搭建经验，理解 Agent 在复杂环境下的交互逻辑；    
5. 科学实验素养： 具备独立设计实验、进行严谨消融实验（Ablation Study）及归因分析的能力，能在复杂工程约束下做出最优算法决策。
    
加分项    
1. 在顶会 /…