蚂蚁金服【Plan A】算法工程师-代办型Agent工程师-灵光（实习）

任职要求

1.深入理解Transformer、大模型原理，熟练掌握Python；
2.Agent实战经验：独立实现过Agent架构，理解长期记忆、工具调用准确率、多步规划等核心挑战。踩过Agent的坑——比如工具调用串了、记忆召回了一堆无关的、规划到第三步就崩了；
3.模型后处理能力：熟悉采样策略、结果校验等幻觉缓解手段，精通Prompt Engineering。熟悉数据处理、SFT/RL技术。理解GRPO及各种变种等核心概念，熟悉RL全链路，熟练使用Slime、OpenRLHF、verl等框架。知道R…

工作职责

部门介绍：
灵光APP是一款原生多模态的AGI助手，团队致力于构建有竞争力的AGI产品体验。算法团队以用户体验为牵引，为灵光助手构建后训练体系和模型。驱动灵光在智能体验上保持业界领先。
职位描述：
1.可训练+连续性+协作：怎么让AI受用户的控制、持续稳定的受用户的控制，怎么去代用户接物待人，按照用户的意愿处理事情；
2.复杂工具管理：工具越来越多，怎么编排、怎么调用、怎么不串；
3.模型后训练：怎么让中小杯在特定场景可以逼近SOTA结果并提升SOTA覆盖不到的能力；
4.快速Demo开发：想法快速转化为可交互产品原型。原型先于文档，新模型发布=重访旧功能。

方向一：可训练+连续性+协作   
结合harness方案，实现用户反馈驱动的Agent进化。核心挑战：单轨迹偏好学习（用户只走一条路，构不成偏好对）、纠正泛化（一次纠正如何迁移到相关场景）、防误训练（区分随手说""不要""vs真正偏好）、跨场景偏好迁移。多个Agent替用户协商。
方向二：复杂工具管理
设计工具编排与调用架构，解决工具数量增长带来的挑战。核心挑战：工具路由准确率（百级工具如何精准召回）、调用链可靠性（多步调用如何不串）、工具冲突检测（多个工具如何协调）、工具使用可解释性（用户能理解Agent为什么选这个工具）。
方向三：模型后训练
用RL/SFT控制成本、提升SOTA覆盖不到的能力。核心挑战：用户中心对齐（对齐对象是""这个用户""而非""所有人""）、成本控制（何时用大模型何时用小模型）、能力补齐（SOTA做不到的怎么通过后训练补上）、在线学习（如何持续从用户反馈中学习）。