【Plan A】AI 工程师- AI Feedback Loop-平台技术-27届

岗位职责

作为我们大模型核心团队的一员，你将参与构建驱动AI模型持续进化的数据基础设施与工程闭环。这是一个直面海量数据、前沿算法和复杂工程挑战的核心岗位，也是你从校园精英成长为顶尖技术专家的绝佳起点。 你的工作与挑战：

• 海量实时数据工程实践： 学习并参与构建支撑亿级用户的实时数据处理链路，直面高并发、高可用的工程挑战，掌握工业界大规模数据系统的设计与实现精髓。 深入实践多模态数据的清洗、归因与结构化技术，你将学习如何为复杂的AI模型提供标准、优质的“燃料”，理解数据质量如何直接影响模型表现。
• 前沿AI技术的工程化落地： 探索并落地面向RLHF和DPO等前沿训练方法的数据工程体系，你将学习如何自动化、规模化地构建高质量的偏好数据集，这是大模型“对齐”人类价值观的核心技术。 设计并开发模型问题的自动化发现与诊断系统，你将通过数据分析和工程手段，驱动模型质量的持续提升，为降低“模型幻觉”贡献关键力量。
• 数据驱动的算法迭代： 学习并运用因果推断等高级数据分析方法，在复杂的多轮交互数据中，科学地分析和定位影响用户体验的关键因素，为算法团队提供清晰、可信的优化方向。

任职要求

1. 对技术充满极致的热情，拥有扎实的计算机科学基础（编程、数据结构、算法）。
2. 具备强大的学习能力和系统性思考能力，享受将复杂模糊的业务问题拆解为清晰技术路径的乐趣。
3. 对AI大模型、知识图谱、图计算、因果推断等前沿技术有浓厚的好奇心和探索欲。
4. 渴望解决真正有价值、有壁垒的难题，相信技术能重塑金融行业的未来。

特色标签

AI对齐、Python、SQL、人工智能、人工智能对齐、分布式训练、因果分析、因果建模、基于人类反馈的强化学习、多模态信息、多模态算法、多源异构数据、大数据处理工具(Spark/Hadoop/Hive)、大规模语言模型、大语言模型、实时数据流处理、数据基础平台、数据底座、数据挖掘、流式数据处理、直接偏好优化、算法工程化经验、自然语言处理算法、金融