蚂蚁金服【Plan A】算法工程师-Agentic Learning-灵光（实习）

任职要求

基础要求：
1.目前正在攻读计算机科学或相关STEM领域的学士,硕士或博士学位；
2.具有一种或多种通用编程语言的经验,包括但不限于: Java,C/C ++ 、Python、JavaScript或Go；
3.具有上述研究领域的相关经验,包括行业经验或作为参与实验室研究；
4.具有LLM、VLM、World Model等…

工作职责

部门介绍：
Agent团队致力于在解决大模型应用最后一公里的问题。通过训练模型在复杂、长程任务下的能力，提升AI产品的用户体验，构建训练的数据飞轮。
职位描述：
智能体进化是人工智能领域的重要研究方向，旨在通过持续学习和自我改进机制，使AI智能体能够在复杂环境中不断提升其决策能力和执行效率。基于开源的AWorld框架，探索智能体在多样化环境中的自我演进机制。同时，执行环境构建是智能体训练和部署的关键基础设施，直接影响智能体的学习效果和实际应用能力。AWorld也构建了完整的分布式训练环境，支持大规模智能体的并行训练和评估。
据此，本项目关注智能体和环境构建的双向强化机制的协同效应。智能体进化与环境构建之间存在相互促进的协同关系，形成了独特的双向强化机制：
1.智能体 to环境优化：智能体的学习需求驱动环境复杂度的提升；
2.环境 to智能体进化：丰富的环境提供更多学习机会和挑战；
3.协同效应实证：通过智能体和环境，研究和发现双向强化的可能性和理论基础。
据此，工作职责包括：
1.构建Agentic Learning的训练Infra，从cuda、megatron等底层，到RLRoll的策略，到训练目标的设计等等；需要全链路的人才加入；
2.构建Agent背景下的大模型评测新benchmark，做到基于评测驱动的大模型新迭代范式；
3. 大模型和产品结合，依托灵光等产品，创建产品和模型之间的数据飞轮，构建产学研的轮转迭代。