【蚂蚁星】财富AI Lab-大模型Agent工程（实习）

岗位职责

部门介绍： Fin-AI Lab / 财富 AI Lab 是面向金融场景打造的 AI Native 技术团队，聚焦大模型、Agentic Learning、Tool Use、复杂推理、金融数据理解与端到端 AGI 金融智能产品和系统建设。 团队的核心目标不是简单构建一个金融问答助手，而是围绕真实复杂金融场景，训练和构建能够完成长程、多步、可验证任务的大模型 Agent。我们关注大模型从“会回答”走向“会规划、会调用工具、会使用数据、会自我校验、会完成任务”的能力跃迁。 在金融场景下，Agent 面临更高的技术挑战：数据高度结构化与实时变化并存，任务链路长，工具体系复杂，事实性和严谨性要求高，推理过程需要可追踪、可验证、可控。因此，团队需要围绕 Agent 规划、工具调用、记忆、反思、执行环境、评测体系、强化学习与数据飞轮，系统性提升大模型在复杂金融任务中的能力上限。 职位描述：

1. 负责金融场景下大模型 Agent 工程框架的设计、开发和优化，支撑多工具、多步骤、长链路任务执行；
2. 参与 Agent 系统核心模块建设，包括任务规划、工具路由、函数调用、记忆管理、状态管理、异常恢复和结果校验等；
3. 负责 LLM 推理服务优化，探索并落地 KV Cache 优化、批处理、并发调度、量化、投机推理、模型路由等技术，提升推理效率和成本表现；
4. 基于 vLLM、SGLang、TensorRT-LLM、DeepSpeed、Ray 等框架，优化 Agent 线上服务的稳定性、吞吐、延迟和资源利用率；
5. 建设 Agent 评测与观测体系，包括任务成功率、工具调用准确率、延迟、成本、失败率、异常类型、链路追踪等指标；
6. 与算法团队协作，支持 Agentic Learning、SFT、RL、Reward Model 等训练链路所需的数据采集、轨迹生成、日志回放和实验平台建设；
7. 跟进大模型推理优化、Agent 框架、Tool Use、RL infra、模型服务化等方向的前沿技术，并推动在金融场景中落地。

任职要求

1. 计算机、人工智能、软件工程、机器学习等相关专业本科及以上学历，具备扎实的工程基础；
2. 熟悉大模型基本原理，理解 Transformer、LLM 推理机制、KV Cache、Attention、上下文管理等核心概念；
3. 熟悉一种或多种大模型推理框架，如 vLLM、SGLang、TensorRT-LLM、TGI、llama.cpp 等，有实际调优经验者优先；
4. 熟悉 Agent 系统开发，理解 Function Calling、Tool Use、ReAct、Plan-and-Execute、Memory、Workflow、Multi-Agent 等机制；
5. 具备较强的 Python / C++ / Go / Java 编程能力，熟悉高并发服务、分布式系统、任务调度、异步编程、缓存和稳定性治理；
6. 具备良好的系统性能优化能力，能够分析并解决延迟、吞吐、显存、并发、冷启动、资源利用率等问题；
7. 了解 SFT、RLHF、DPO、GRPO、Reward Model 等训练或后训练方法，能够与算法团队协作完成数据和训练链路建设；
8. 具备良好的问题定位和工程排障能力，能够通过日志、Tracing、Metrics、Profile 等手段分析复杂线上问题；
9. 对大模型 Agent 工程方向有持续热情，关注业界前沿框架和最佳实践，具备较强的自驱学习能力。 【加分项（模型×Agent联合优化成果）】 1.在模型与Agent的交叉领域有过充分实践优先： 2.顶会论文：NeurIPS/ICML/ICLR/ACL等与Agent/对齐/RLHF相关论文； 3.开源项目：为知名开源社区项目贡献核心代码，或有高star自主项目； 4.线上系统：参与过真实上线的AI系统，有可量化的效果指标； 5.技术影响力：高质量博客/竞赛奖项/有用户的Side Project。

特色标签

Agent效果衡量、Agent训练、AI代理、API调用、C/C++、Docker、Golang、Hadoop、Hive、Java、Kubernetes、KV缓存压缩、Linux开发/部署经验、LLM推理效率提升、Python、PyTorch、Ray Serve、Ray分布式框架、Ray强化学习、Redis、RL、Shell、Spark、SRE、TensorFlow、Tool Use、上下文缓存管理、中大型项目开发经验、云原生、云服务、云计算、云计算经验、任务成功率评估、会员账户、供应链、保险、信贷、内容、函数调用、分布式经验、分布式计算、分布式训练、区块链、参加算法相关竞赛/获奖、反洗钱、发表算法相关优秀论文、合规、商业化、图计算、基础设施、增强学习、复杂任务拆解、多步任务规划、大数据、大模型推理性能优化、大模型智能体、大模型算法、大语言模型推理提速、实时金融数据、客服、密码、工具使用、广告、强化学习、微服务经验、推荐、搜索、支付、数据安全、数据库、新媒体、智能交互、智能体、智能体评估指标、服务端开发经验、机器学习经验、模型加速/性能优化、注意力缓存优化、测试工具、深度学习、特征计算、理财、直播、知识图谱、短视频、研发效能、端到端金融服务AI、策略优化、算法工程化经验、系统架构设计经验、网络安全、聊天机器人、自然语言处理算法、英美留学生、英语读写能力良好、营销、虚拟机、计算机相关专业、调度、财务、通用人工智能金融应用、金融、金融AI智能体、金融知识图谱、金融结构化数据解析、银行、长链任务编排、隐私计算、零售、风控