蚂蚁金服蚂蚁集团-AI数据研究员-杭州
社招全职8年以上技术类-算法地点：杭州状态：招聘♡ 收藏
工作描述
任职要求 1. 具备扎实的数据直觉、数据品味与工程能力，能够从复杂、多源的数据中提炼信号，并将数据合成流程系统化、自动化； 2. 计算机科学、人工智能 相关专业硕士及以上学历； 3. 熟练掌握 Python 和 PyTorch，具备后训练经验； 4. 对大模型后训练有深入理解，熟悉SFT/ RLHF / RLVR / PPO / GRPO 等主流后训练与强化学习框架与范式，具备从算法设计到工程落地的完整经验； 5. 有后训练数据生产…
登录查看完整工作描述
微信扫码，1秒登录
包括英文材料
学历+
Python+
https://liaoxuefeng.com/books/python/introduction/index.html
中文，免费，零起点，完整示例，基于最新的Python 3版本。
https://www.learnpython.org/
a free interactive Python tutorial for people who want to learn Python, fast.
https://www.youtube.com/watch?v=K5KVEU3aaeQ
Master Python from scratch 🚀 No fluff—just clear, practical coding skills to kickstart your journey!
https://www.youtube.com/watch?v=rfscVS0vtbw
This course will give you a full introduction into all of the core concepts in python.
PyTorch+
https://datawhalechina.github.io/thorough-pytorch/
PyTorch是利用深度学习进行数据科学研究的重要工具，在灵活性、可读性和性能上都具备相当的优势，近年来已成为学术界实现深度学习算法最常用的框架。
https://www.youtube.com/watch?v=V_xro1bcAuA
Learn PyTorch for deep learning in this comprehensive course for beginners. PyTorch is a machine learning framework written in Python.
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
SFT+
https://cameronrwolfe.substack.com/p/understanding-and-using-supervised
Understanding how SFT works from the idea to a working implementation...
RLHF+
[英文] What is RLHF?
https://aws.amazon.com/what-is/reinforcement-learning-from-human-feedback/
Reinforcement learning from human feedback (RLHF) is a machine learning (ML) technique that uses human feedback to optimize ML models to self-learn more efficiently.
https://www.ibm.com/think/topics/rlhf
Reinforcement learning from human feedback (RLHF) is a machine learning technique in which a “reward model” is trained with direct human feedback, then used to optimize the performance of an artificial intelligence agent through reinforcement learning.
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).
还有更多 •••
相关职位
校招研发类
1、计算机科学、软件工程、人工智能、计算机工程、机器学习、数据工程等相关专业，具备扎实的计算机系统基础和深厚的理论功底； 2、具备扎实的算法和代码实现能力，深入理解模型架构、数据工程、操作系统、分布式
更新于 2026-07-23北京|上海|深圳
校招研发类
1、计算机科学、人工智能、数据科学、软件工程、统计数学等相关专业； 2、具备软件工程和算法实现能力，熟悉模型架构、数据工程、深度学习框架和分布式并行软件开发环境； 3、具备较强的学习力、自驱力、团队协
更新于 2026-07-23北京|上海|深圳
社招程序&技术类
1. 硕士及以上学历，计算机、数学、人工智能等相关专业，数理与工程基础扎实； 2. 有后训练实战经验：独立完成过 SFT 及至少一轮 RL 训练（PPO / GRPO / DAPO / DPO 任一）
上海
实习D14604
1、具有计算机、人工智能、统计学等相关专业硕士及以上背景，理解深度学习与多模态模型基本原理； 2、熟练掌握 Python/PyTorch，具备扎实的数据分析能力，对模型训练数据的分布、质量与信号敏感度
更新于 2025-12-10北京