【蚂蚁星】财富AI Lab-大模型Agent算法（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 算法体系建设，包括规划、工具调用、记忆、反思、执行控制等核心模块；
2. 构建 Agentic Learning 训练方案，包括 Agent 轨迹数据、过程监督、偏好数据、Reward Model 和强化学习目标设计；
3. 探索 SFT、DPO、PPO、GRPO、Process Reward、Outcome Reward 等方法在 Tool Use 和长程任务中的应用；
4. 设计金融 Agent Benchmark，建立评测驱动的模型和系统迭代机制；
5. 优化多工具调用链路，包括工具路由、参数生成、结果解析、调用链规划和异常恢复；
6. 建设金融任务执行环境，包括工具调用环境、模拟任务环境、自动评测环境和训练数据生成环境；
7. 跟踪 Agentic Learning、Tool Use、RL for LLM、Long-horizon Reasoning 等前沿方向，并推动技术落地。

任职要求

1. 扎实的大模型算法基础，理解 Transformer、LLM 训练、后训练、推理机制和对齐技术；
2. 熟悉 Agent 技术范式，如 ReAct、Plan-and-Execute、Reflexion、Tree-of-Thought、Function Calling、Multi-Agent 等；
3. 熟悉 Tool Use 相关技术，理解工具选择、参数生成、工具结果解析、多工具协同和失败恢复等问题；
4. 熟悉 SFT、DPO、PPO、GRPO、RLHF/RLAIF、Reward Model、Preference Learning 等方法；
5. 具备较强工程能力，熟练使用 Python，熟悉 PyTorch、Transformers、vLLM、Ray、DeepSpeed、Megatron-LM、FSDP、OpenRLHF、verl、slime 等框架中的一种或多种；
6. 具备良好的任务抽象和实验分析能力，能够将复杂任务拆解为可执行、可评测、可训练的 Agent 任务；
7. 对大模型 Agent 方向有持续热情，关注前沿研究，对 Agent 失败模式和真实系统落地挑战有深入思考。 【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学习范式、Benchmark、DPO、Function Calling、LLM Agent、Long-horizon Reasoning、Outcome Reward、Plan-and-Execute、PPO、Process Reward、Python、RLAIF、RLHF、Shell、Tool Use、任务规划、保险、信贷、偏好模型、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、复杂推理、大模型代理、大模型智能体、大模型算法、奖励模型、工具使用、强化学习、强化微调、支付、数据安全、智能体、智能体学习、有留学背景、模型加速/性能优化、理财、知识图谱、算法工程化经验、聊天机器人、自然语言处理算法、自迭代数据、训练数据闭环、评测驱动迭代、轨迹数据、金融、金融Agent测评、金融任务、金融应用、金融环境、银行、长程推理、长程规划、隐私计算、风控