【蚂蚁星】基模算法工程师-百灵（实习）

岗位职责

Ling Team 聚焦百灵模型家族的核心算法创新。 我们关注的不只是 benchmark 指标，而是：

1. 极限深度思考能力；
2. 长程推理与规划能力；
3. Agentic 执行与真实世界决策；
4. 在工业规模下可持续扩展的训练范式。 在万亿参数与百万亿 token 规模下，算法设计必须与系统规模协同演化。 本岗位将参与模型架构、预训练策略与强化学习范式的核心设计，推动模型能力边界的持续扩展。 我们寻找的不是只优化 loss 和 benchmark 的研究员，而是能参与定义下一代通用语言模型能力形态的人。

主要职责包括： 模型架构创新

1. 设计与优化 Transformer / MoE / 混合 Attention 等架构；
2. 探索高效计算结构与能力提升之间的 trade-off；
3. 建模与验证 架构/超参/数据 Scaling Laws；
4. 设计支持长上下文与深度思考的结构机制；
5. 与系统团队协作完成架构级 co-design；
6. 探索针对记忆机制的架构设计和训练方式。

超大规模预训练策略

1. 设计大规模预训练目标，建立预训练模型能力的定量评估框架；
2. 优化 optimizer、数据配比与编排策略；
3. 构建 mid-training 与能力迁移机制；
4. 在百万亿 token 规模下验证训练假设。

后训练与强化学习范式

1. 优化基于 SFT / RLVR / Agentic RL / RLHF / distillation 的后训练范式；
2. 构建“正确性 × 过程质量 × 信息密度”复合奖励机制；
3. 优化 reasoning 与 tool-use 协同能力，实现周级别的长程工作能力；
4. 推动强化学习在工业规模上的稳定训练；
5. 设计 multi-agent RL 协同训练与工作范式。

任职要求

1. 扎实的深度学习与优化理论基础；
2. 深入理解 Transformer、MoE 与主流大模型架构；
3. 有大规模预训练或后训练实战经验；
4. 熟悉 SFT / RLHF / Alignment 等训练范式；
5. 能独立设计实验并进行严谨验证；
6. 能从第一性原理建模问题；
7. 对 scaling 与能力演化有系统性思考；
8. 能在复杂工程约束下做出算法决策。

加分项

1. 在顶会 / 顶刊发表过相关论文；
2. 有 MoE 或新型 Attention 设计经验；
3. 有 Agentic 模型或工具调用训练经验；
4. 有长上下文（100K+）能力训练经验；
5. 有跨学科背景（数理化生 / 医疗 / 金融 / 法律等）；
6. 有数据分布建模与数据 scaling 经验；
7. 参与过 100B 以上参数规模的模型训练；
8. 各类高水平竞赛金牌选手。

特色标签

Agentic RL、Agent系统、Bailian模型、PB级语料、Python、RLHF、RL训练、Transformer架构、T级参数、专家混合架构、分布式训练、千亿级参数、参加算法相关竞赛/获奖、发表算法相关优秀论文、基座模型、基础模型、大模型算法、大规模预训练、并行计算、强化学习、强化学习范式、意图挖掘、文本生成、智能体、注意力架构、海量训练数据、深度学习、混合专家模型、稀疏门控网络、算法工程化经验、自主智能体、自注意力机制、蚂蚁百灵大模型、语义理解、超大规模token、超大规模参数量、超长上下文、通用大模型、长序列建模、长文本、预训练方案、预训练范式