安克创新助理算法工程师（AIGC算法研究/应用策略）
任职要求
1. 计算机科学、人工智能、机器学习、数据科学、统计学或相关领域的硕士或博士应届毕业生； 2. 在校期间主攻或深度参与过以下至少一个方向:自然语言处理(NLP)、计算机视觉(CV)、多模态学习、生成模型(GANs, VAEs, Diffusion Models)、强化学习； 3. 熟悉至少一种主流深度学习框架（如PyTorch，TensorFlow）；具备扎实的Python编程能力和算法基础；对LLM/Diffusion模型原理有深入理解，有Prompt Engineering或模型微调的实践经…
工作职责
1. 前沿研究与洞察：追踪LLM、Diffusion模型、AgenticAl等领域的最新技术进展，定期输出技术洞察报告，为团队的技术选型和能力规划提供输入； 2. 算法研发与微调：参与AIGC核心算法的研发、评估与优化。针对Anker品牌语调和设计语言，主导或参与图像/文本/视频生成模型的微调(Fine-tuning)与知识库构建； 3. 工具链与智能体构建：参与内部AIGC工具链及智能体(Agent)的设计与开发，重点攻克Prompt Engineering、模型集成与性能优化等技术难题； 4. 应用落地与验证：与产品设计、营销传播等团队合作，将AIGC技术应用于具体业务场景(如广告素材生成、产品描述撰写等),建立实验→验证→迭代的技术闭环； 5. 知识沉淀与分享：参与设计和编写AIGC相关的技术文档、最佳实钱和培训材料，推动新技术在团队内的普及与应用； 6. 合规与安全：在指导下，研究AIGC内容生成中的数据治理、偏见与内容安全问题，并参与设计相应的技术解决方案。
研究方向一：垂域LLM研究与构建 1.基座模型架构设计与优化：参与大语言模型基座架构的设计，研究前沿技术，如稀疏激活、混合精度训练等，同时优化模型的训练和推理流程。 2.技术创新与突破：参与前沿技术研究，如多任务学习、跨模态理解等，推动模型在复杂任务上的性能提升；探索Transformer替代架构，突破现有模型scaling law限制；同时挑战学术benchmark，为模型的性能树立新的行业标杆。 3.强化学习算法研究：参与大语言模型后训练阶段的强化学习算法研究，包括基于AI和环境反馈的强化学习（RLXF）算法。同时探索奖励模型与反馈机制，研究可泛化的细粒度过程监督和奖励建模，探索基于细粒度反馈的强化学习算法。 4.垂域模型定制化构建：领域认知智能突破，探索小样本场景自演进架构设计、可信推理机制构建等方向，同时建立面向AGI的模型评价体系新范式。 5.跨部门协作与落地：与公司数据科学家、算法工程师、产品团队紧密合作，将研究成果快速转化为实际应用，推动大语言模型在更多场景的落地。 研究方向二：垂域MLLM研究与构建 1.研究多模态表征与大语言模型融合的前沿技术，设计和实现创新算法，研究异质数据的统一编解码模型，适配多种模态下的特征统一，实现高效微调与优化。 2.探索强化学习（RL）在多模态大模型中的应用，包括强化学习增强的多模态生成、跨模态对齐、偏好建模及自适应优化，提升多模态理解与推理能力。 3.持续追踪多模态与强化学习结合的最新研究进展，优化现有多模态系统架构，提升性能、效率与可扩展性，推动多模态强化学习在智能体交互、决策推理等任务中的应用。 4.构建技术评估体系，通过多场景验证推动多模态理解、生成及强化学习优化策略的落地应用，提升多模态大模型的泛化能力和实际应用价值。 研究方向三：基于角色扮演的虚拟数字助理 1. 角色扮演技术（Role-Playing）：通过模型优化、Agent构建，在人设、拟人性、情感等取得显著提升。 2. 记忆管理与增强（Memory）：通过模型长上下文，记忆抽取与管理，提升系统的记忆能力。 3. 个性化技术：通过用户行为数据挖掘与建模，结合多轮对话上下文理解，分析用户情感状态，提升模型的个性化回复能力。 4. 基于Agent的数字助理：通过Agent构建和基于RL的优化，实现数字助理的能力复刻和增强
1.负责语言大模型相关技术（知识注入、指令对齐、工具接口、深度推理、知识围栏）的算法研究和应用落地，具备自然语言处理、对话系统、语义理解、文本检索，强化学习、图学习等方向的丰富知识和研发经验； 2.负责金融智能助理蚂小财和理财师人机协同对话系统建设，包括但不限于大模型RAG系统构建、DPO/KTO、GRPO等RL模型的Reward设计与实现、Hybrid Reasoning混合推理系统、金融DeepResearch系统等，结合业务场景进行落地，提升理财师采纳率和GMV等指标； 3.参与大模型对话意图识别、对话管理DST、对话生成AIGC、人机协同、金融检索NL2API/NL2SQL、大模型工具学习、情感分析、用户模拟器等产品研发； 4.积极探索技术前沿，鼓励并支持将研究成果沉淀为技术文章、专利和学术论文。
1、负责BI平台服务端架构设计与核心代码编写，支撑海量数据实时分析、可视化交互及高性能查询 2、深入研究AI技术与BI场景的结合点，设计并实现AI智能助理、统一知识库、智能数据洞察、智能舆情等创新功能 3、主导技术难题攻关，解决分布式计算、低延迟响应等技术挑战 4、跟进行业技术趋势，推动大数据与AI技术在游戏业务场景的落地
加入千问/夸克APP的核心团队，共同打造下一代AI智能助理的“推荐大脑”。包括但不限于：对话推荐、AI内容创作、内容消费，负责推荐系统的算法设计、优化及落地，通过精准的算法策略提升对话体验与内容分发效率，带动千问/夸克APP的DAU、AI生成内容（AIGC）、创作者生态等核心业务的增长。 1.算法设计与优化：利用前沿技术优化千问/夸克APP的对话推荐、消费和创作模块，全链路地优化包括召回模型、排序模型、多模态推荐、多目标、冷启动，探索等推荐算法和模块； 2.数据驱动迭代：基于用户行为数据、内容特征数据等，构建算法评估体系，通过AB测试等方式验证算法效果，持续迭代优化推荐策略，解决冷启动、多样性不足等实际业务问题。 3.特征工程与模型搭建：利用大模型构建千问/夸克用户的画像，参与内容特征、用户特征的挖掘与构建，结合场景需求选择或改进合适的推荐模型，提升模型预测精度与泛化能力。 4.系统协同与落地：与工程、产品、数据等团队协作，将算法方案转化为可落地的技术实现，保障推荐系统的高可用性、低延迟与稳定性，适配各场景的动态变化需求。 5.技术探索与沉淀：跟踪推荐算法、AI大模型在内容领域的应用动态，探索大模型与推荐系统结合的创新方向，沉淀算法研发经验与技术方案。