蚂蚁集团
蚂蚁集团-数据模型算法工程师-杭州/上海
蚂蚁集团-数据模型算法工程师-杭州/上海
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Lightgbm
Pytorch
Xgboost
分布式训练
大模型
结构化数据
预训练
值不值得投
77综合评分
综合评分 77
头部企业核心算法岗，聚焦大模型前沿探索，技术成长空间极大，薪资丰厚但工作强度较高。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
5万
比机器学习工程中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 810 个在招 · 其中机器学习工程 62 个
市场机会
选择面较广
杭州 · 机器学习工程 · 约 260 个在招
职位详情
关于这个职位
该职位负责结构化数据基础大模型的前沿技术探索，涵盖数据体系建设、预训练范式研究、模型架构与训练推理优化、评测体系构建以及在金融、医疗等真实场景的落地应用
适合在机器学习、深度学习领域有扎实积累，期望在大模型和Agent技术方向持续深耕的算法工程师
最低要求
计算机、人工智能、机器学习、统计学、数学或相关专业，本科及以上学历
具备扎实的机器学习、深度学习和统计建模基础，在分类、回归、生成式建模、缺失值处理或因果学习中的一个或多个方向具有研究或实践经验
熟悉Transformer、Attention、In-Context Learning等技术
熟练使用Python和PyTorch，具备良好的算法实现与工程开发能力，能够独立完成模型设计、训练、调试、评测及问题定位
熟悉结构化数据建模流程，了解XGBoost、LightGBM、CatBoost、AutoGluon、TabPFN等方法或模型
具备良好的实验设计、技术创新和沟通协作能力
工作职责
让模型看见更丰富的数据世界：建设大规模预训练数据体系，探索数据合成、真实数据引入、数据配比等方法，持续提升预训练数据的规模、质量、多样性及对真实世界数据机制的覆盖能力
探索结构化数据基础模型应该“学什么、如何学”：研究面向结构化数据的预训练范式与建模方法，覆盖分类、回归、缺失值填补、基于Diffusion模型的生成式建模，以及检索增强、In-Context Learning和推理时计算扩展等方向，提升模型的通用建模与跨任务泛化能力
推动模型能力与计算效率共同Scaling：负责模型架构、训练及推理优化，探索Model/Data Scaling、超大规模预训练和高效训练策略，推进分布式训练、混合精度、模型剪枝、量化及推理加速等技术研发
用可信的评测推动真实进步：建设结构化数据大模型评测体系，在TabArena、TALENT、BCCO等公开基准及内部业务数据集上开展系统评估，分析模型能力边界，并从数据、架构和训练策略等维度指导模型持续优化
让前沿研究进入真实世界：推动结构化数据大模型在金融、营销、风控、医疗等场景中的微调与落地，结合大语言模型与Agent技术，构建覆盖数据理解、分析建模、预测决策及任务执行的智能应用
优先资格
了解MoE、Scaling Law、Diffusion、检索增强或表格基础模型者优先
具备大规模预训练、分布式训练或高性能推理经验者优先
拥有大模型或Agent开发经验、相关会议或期刊论文、高质量开源项目或算法竞赛成绩者优先
AI 洞察
优缺点分析
优点
- 处于大模型与结构化数据结合的前沿赛道，技术壁垒高，能积累极具竞争力的核心算法经验
- 依托丰富的金融、医疗等真实业务场景，研究成果能直接落地产生巨大商业价值
- 团队技术氛围浓厚，鼓励定义新问题，适合有技术追求和探索精神的算法人才
- 大模型预训练与架构优化技术迭代极快，需要持续保持高强度的学习与研究状态
- 适合在机器学习领域有扎实基础，对大模型底层原理有深入研究，且具备较强工程落地能力的算法工程师
缺点 / 挑战
- 超大规模模型的训练与推理优化对工程能力要求极高，需解决复杂的分布式计算与性能瓶颈问题
角色解读
- 在结构化数据大模型这一前沿细分领域成为技术专家，引领预训练范式与建模方法的创新
- 向大模型架构师或AI技术负责人方向发展，主导超大规模预训练及核心业务场景的AI落地
- 负责结构化数据基础大模型的前沿技术探索，包括数据体系建设、预训练范式研究及模型架构优化
- 推动模型能力与计算效率的Scaling，研发分布式训练、混合精度、模型剪枝及推理加速等技术
- 构建大模型评测体系，并推动模型在金融、医疗等真实业务场景中的微调与落地应用
- 扎实的机器学习与深度学习基础，精通Transformer、Attention及In-Context Learning等核心技术
- 熟练使用Python和PyTorch，具备独立完成模型设计、训练、调试及工程开发的能力
- 熟悉结构化数据建模流程及XGBoost、LightGBM等传统机器学习模型，了解大模型及Agent开发
申请策略
- 提前了解蚂蚁集团在TabArena、TALENT等结构化数据评测基准上的相关工作，展现对业务的关注
- 准备好关于如何平衡模型能力与计算效率、如何设计高效预训练数据配比等深度技术问题的思考
- 重点突出在大模型预训练、结构化数据建模或分布式训练方面的核心项目经验与研究成果
- 展示在Transformer、Diffusion或Agent技术上的实际应用案例，以及相关的顶会论文或高质量开源项目
- 强调独立解决复杂算法问题的能力，以及在模型训练、调试和推理加速方面的工程优化经验
- 深入学习Scaling Law、MoE架构及推理时计算扩展（如Test-time compute）等前沿大模型技术
- 提升超大规模分布式训练框架（如Megatron-LM、DeepSpeed）的使用与底层优化能力
面试指南
- 采用STAR法则，清晰描述项目背景、面临的技术挑战、采取的具体优化策略（如数据、架构、训练策略）以及最终量化的业务收益
- 对于前沿技术探讨，先阐述技术原理与核心思想，再结合具体场景分析其适用性、局限性及改进思路，展现技术深度与批判性思维
- 在结构化数据预训练中，你是如何设计数据配比和数据合成策略来提升模型泛化能力的？
- 请分享一个你在模型训练或推理加速方面做过的优化案例，具体解决了什么性能瓶颈？
- 如何看待基于Diffusion模型的生成式建模在结构化数据中的应用？与传统方法相比有何优劣？
- 在推动大模型落地金融或风控场景时，如何保证模型的可解释性与可信度？
- 复习并深入理解Transformer、Attention、In-Context Learning及MoE等核心机制的数学原理与工程实现
- 梳理自己过往项目中的技术难点，准备好应对关于分布式训练、混合精度、模型剪枝等底层优化细节的追问
职位点评
薪资福利85
成长发展95
工作生活40
使命价值80
薪资福利
85较高
作为核心算法岗位，薪资水平处于行业高位，且依托头部企业平台，整体薪酬回报与稳定性具有较强竞争力。
薪资信号未披露（AI估算：3.5千–6.5万/月）
成长发展
95较高
岗位聚焦结构化数据大模型前沿探索，涉及预训练、Scaling、Agent等顶尖技术，技术成长空间与行业视野极佳。
技术前沿前沿/新兴技术
技术栈Transformer、Attention、In-Context Learning、MoE、Scaling Law、Diffusion、PyTorch、XGBoost、LightGBM、Agent
业务类型profit_center
工作生活
40较低
JD未提及工作模式与WLB相关信息，且大模型前沿探索与超大规模训练通常伴随较高的工作强度与研发压力。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
80较高
推动前沿AI技术在金融、医疗等关乎国计民生的真实场景中落地，具有较高的社会价值与行业使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号让前沿研究进入真实世界、用可信的评测推动真实进步
创新程度开拓性创新（行业首创）
蚂蚁集团 的其他在招职位
相似职位推荐
Watch Jobs