蚂蚁集团-大模型后训练算法工程师（Agent / 语言方向）-健康事业群

岗位职责

1. 负责大模型 SFT（指令微调）、偏好优化、RLHF（人类反馈强化学习）、RLVR 等后训练算法研发与效果优化；
2. 负责 Agent 能力建设，包括 Tool Use、多轮交互、任务执行与复杂指令遵循；
3. 提升模型语言理解、生成质量、多轮对话和风格控制能力；
4. 负责训练数据构建、评测分析和问题定位，推动模型能力持续迭代；
5. 跟进后训练、Agent 等方向前沿技术，并完成实验验证和业务落地。

任职要求

职位描述

1. 熟悉各类后训练方法，包括 PPO、GRPO、DPO 等；

2. 有 Agent、Tool Calling（工具调用）、Harness（测试框架）优化等相关项目经验；

3. 熟练使用 AI 辅助编程工具，同时具备较强的工程能力和代码质量意识；

4. 能够独立负责一个模型能力方向，从问题分析、方案设计到实验落地。 加分项

5. 有大模型后训练、Agent 相关实际落地经验；

6. 有高水平学术会议论文发表、知名开源项目贡献或大规模模型训练经验。

特色标签

Llama训练框架、Python、人工智能顶级会议、分布式训练、医疗、医疗推理、发表算法相关优秀论文、可扩展强化学习框架、增强学习、大模型、大模型算法、大规模语言模型、大语言模型、并行计算、强化学习、微软大模型训练框架、机器学习、深度学习、深度学习框架