蚂蚁金服蚂蚁集团-大模型后训练算法工程师（Agent / 语言方向）-健康事业群
社招全职2年以上技术类-算法地点：上海 | 杭州状态：招聘♡ 收藏
工作描述
任职要求 职位描述 1、熟悉各类后训练方法，包括 PPO、GRPO、DPO 等； 2、有 Agent、Tool Calling（工具调用）、Harness（测试框架）优化等相关项目经验； 3、熟练使用 AI 辅助编程工具，同时具备较强的工程能力和代码质量意识； 4、能够独立负责一个模型能力…
登录查看完整工作描述
微信扫码，1秒登录
包括英文材料
GRPO+
https://cameronrwolfe.substack.com/p/grpo
Most early work on RL for LLMs used Proximal Policy Optimization (PPO) as the default RL optimizer, but recent reasoning research relies upon Group Relative Policy Optimization (GRPO).
AI agent+
https://www.ibm.com/think/ai-agents
Your one-stop resource for gaining in-depth knowledge and hands-on applications of AI agents.
大模型+
https://www.youtube.com/watch?v=xZDB1naRUlk
You will build projects with LLMs that will enable you to create dynamic interfaces, interact with vast amounts of text data, and even empower LLMs with the capability to browse the internet for research papers.
https://www.youtube.com/watch?v=zjkBMFhNj_g
还有更多 •••
相关职位
社招算法研究
职位描述 1、负责模型在 Coding Agent 场景的优化； 2、研究大规模数据合成和强化学习方案，提升模型在各类 Coding 框架下的性能； 3、设计和实现评测方案，全方位衡量模型在真实场景中
更新于 2026-05-12北京
社招2年以上企业微信SaaS
1.计算机、人工智能、机器学习、数学等相关专业，硕士及以上学历，具备扎实的计算机基础与算法基础，2 年以上相关领域工作经验； 2.深入理解大语言模型与 Agent 技术体系，熟练掌握主流后训练技术（
更新于 2026-09-06成都
校招ai 算法类
1.计算机、人工智能、机器学习、自然语言处理、强化学习等相关专业，博士优先。 2.熟悉大模型训练和后训练流程，理解 SFT、RLHF、DPO、PPO、GRPO、Reward Model、RLVR 等方
杭州
社招3年以上元宝技术
1.研究生及以上学历，计算机、人工智能、数学等相关专业（有数学、编程竞赛加分）； 2.多年NLP/深度学习研发经验，至少1年大模型应用相关实战经验； 3.深入理解LLM技术栈（如SFT、RM、RL
更新于 2026-06-22北京