【Plan A】大模型算法工程师（语料优化）-百灵-27届

岗位职责

主要负责蚂蚁集团大语言模型的语料优化，涵盖数据扩源、数据质量提升、合成语料、数据利用方式优化、知识/数学/代码/推理/Agent能力提升等多个方向。我们致力于通过数据驱动的方式打造业界一流的语言基座模型。 1.负责大语言模型各阶段训练语料的优化工作，包括预训练、后训练、强化学习训练阶段，具体的工作包括体系化地扩展各类型的数据、定义并迭代优化数据质量、建设高效的合成语料技术、优化高质量数据筛选策略、优化数据配比及训练策略等； 2. 负责端到端地优化基座模型的各项关键能力，包括数学、代码、推理、Agentic coding、知识等能力，具体工作包括扩展各能力相关的语料、定义并迭代优化数据质量、针对性地合成相关语料、优化高质量数据筛选策略、优化各阶段数据配比及训练策略、优化评测方式等； 3.负责研发语料优化相关的基础设施，包括研发高效的数据处理算子及链路、构建数据标签体系及标注模型、探索数据与模型效果的关系、设计数据效果评估机制等；
4. 跟踪和研究大模型领域的前沿技术方向，包括但不限于语料优化、预训练和后训练算法、知识增强、数据合成等，推动技术创新并应用到基座模型训练中。

任职要求

1. 热爱人工智能领域，对探索新事物充满热情；
2. 硕士及以上学历，计算机科学、人工智能或相关专业背景；
3. 熟练掌握机器学习、自然语言处理、大语言模型等相关领域的基本理论和算法，具备扎实的数学基础；
4. 熟练掌握Python编程语言，熟悉主流深度学习框架（如PyTorch）；
5. 具备良好的分析和解决问题能力，能够独立思考并解决复杂的技术问题；
6. 具备较强的团队合作能力和沟通能力，能够与工程、产品等团队紧密配合，共同推动项目落地。

加分项：

1. 有大语言模型语料优化和模型训练相关的实习经历；
2. 参加过算法竞赛（如Kaggle、ICPC、ACM等）、信息学、数学、物理、化学竞赛，并取得优异成绩；
3. 在顶级国际会议/期刊（如NeurIPS、ICML、ACL、CVPR等）发表过论文；
4. 在大数据处理、大规模分布式计算、分布式训练等领域有科研或实践经历。

特色标签

Agentic能力、Python、代码生成、分布式计算、分布式训练、参加算法相关竞赛/获奖、发表算法相关优秀论文、合成数据、基座预训练、大数据处理工具(Spark/Hadoop/Hive)、大模型、大模型算法、强化学习、推理建模、数学建模、数学推理、数据优化、数据合成、数据扩充、数据扩展、数据质量优化、数据质量增强、文本生成、智能体、智能体能力、智能研发、机器学习、深度学习、算法工程化经验、编程能力、训练数据优化、语义理解、语言大模型、逻辑推理、预训练阶段