蚂蚁金服【Plan A】大模型Agentic RL算法工程师-百灵-27届
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, Reason…
工作职责
团队主要负责百灵Agentic 核心能力 的研发与迭代，构建出端到端解决复杂生产任务的智能体技术。团队既要提升模型在复杂任务规划、工具调用上的端到端表现；又要深入底层，解决训练吞吐、推理延迟、以及 Agentic 交互环境（Sandboxing）背后的资源调度与性能瓶颈问题。
Ling Team 聚焦百灵模型家族的核心算法创新。在本岗位下，你将主导百灵大模型在特定 Agent应用场景下的效果优化，构建下一代具备高度Agentic能力的模型，使其从单纯的文本生成器进化为能够解决复杂现实问题的智能体。
主要职责包括：
1. Agentic能力构建： 负责大模型在 Agent场景下的后训练（SFT/RLHF）算法研发，重点提升模型的复杂指令遵循、多步推理（Reasoning）、工具使用（Tool Use）及任务规划能力；
2. 训练范式创新： 探索并设计针对 Agent 场景的高效训练范式（如 Process Reward Models, Self-Play,Iterative Refinement），解决长链路任务中的误差累积和鲁棒性问题；
3. 数据策略与合成： 设计高质量的 Agentic 训练数据合成方案（Data Synthesis），通过构造复杂环境交互数据，驱动模型能力的Scaling；
4. 模型评估与分析： 建立针对 Agent 能力的系统性评估体系，通过严谨的实验分析（AblationStudy）定位模型短板，指导算法迭代方向；
5. 前沿技术落地： 紧密跟踪 MoE、Long Context 等前沿技术，并在复杂工程约束下，将算法创新转化为实际的模型性能提升。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。
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。