蚂蚁金服【Plan A】AI Infra系统研发-Asystem（实习）
任职要求
1.精通至少一门 Python/Go/C++ 等编程语言，并有良好的代码风格； 2.了解分布式系统服务/并行计算系统设计与优化； 3.熟悉主流深度学习框架及扩展库的使用及算子开发，例如TensorFlow/PyTorch/Megatron/Deepspeed/vLLM/Sglang等； 4.好奇心强，热…
工作职责
蚂蚁ASystem致力于打造下一代AI基础软件，并基于下一代的AI基础软件寻找通用智能的新方法，追求智能上限。 1.负责训推一体框架的设计与开发，服务蚂蚁内部的强化学习场景； 2.建设面向训推一体的显存管理体系和高性能数据存储方案； 3.负责实时高性能训推系统设计与开发，如分布式训练加速策略、算子融合、编译优化、模型量化、混合精度、异构硬件加速等； 4.负责整体性能优化与架构升级，持续提升训练/推理性能； 5.与算法工程师深度合作，为重点项目进行算法与系统的联合优化。
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。
我们是一支致力于突破人工智能系统与算法边界的前沿研发团队。团队聚焦于大规模语言模型（LLM）及新型架构范式（包括Diffusion LLM） 的高性能训练与推理优化，目标是在系统层（Systems Level）与算法层（Algorithmic Level） 同步创新，打造下一代智能计算基础设施。我们的研究覆盖分布式系统设计、推理框架优化、编译器加速等多个方向。 岗位职责： 1. 实现和优化用于大规模LLM（如Diffusion LLM）训练与推理的高性能计算系统； 2. 开发高效的分布式并行框架； 3. 开发和优化AI编译器； 4. AI for system的AI协同系统优化 5. 与算法团队协作，联动模型结构设计与系统性能共优化。
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。