蚂蚁集团-百灵语言模型-算法工程师(Deep Research方向)-北京/杭州

优缺点分析

角色解读

• 从算法工程师成长为LLM/RL领域的专家，主导核心技术方向
• 晋升为技术负责人或架构师，带领团队攻克AGI相关难题
• 有机会发表顶会论文、参与开源项目，成为行业内知名研究者
• 参与大语言模型从预训练到强化学习微调的全阶段训练，如Pretrain、SFT、PPO等
• 针对Deep Research任务优化奖励建模和偏好学习，提升模型在复杂推理中的表现
• 探索模型自主推理、工具调用和长期规划能力，结合强化学习增强智能体决策水平
• 与数据、工程、产品团队协作，将算法成果集成到线上大模型服务中
• 扎实的机器学习与深度学习基础，深入理解强化学习算法理论（如PPO、DPO）
• 具备大模型与RL结合的实际项目经验，熟悉常用训练框架和PyTorch
• 优秀的工程实现和问题拆解能力，能独立推进端到端算法落地
• 对AGI技术有热情，乐于探索前沿和不确定性

申请策略

• 在简历和面试中展现对AGI的热情和独立思考，例如对当前LLM局限性的见解
• 提前了解蚂蚁百灵大模型的技术方向和团队成果，准备相关讨论
• 突出大模型训练或RL项目经验，如SFT、PPO、DPO等微调实践
• 强调顶会论文、知名AI实验室经历或高质量开源项目
• 展示分布式训练、大规模GPU集群调优等工程能力
• 提及对话系统、游戏AI、机器人决策等RL落地项目
• 系统学习强化学习理论，重点掌握PPO、DPO、GRPO等算法
• 熟悉主流大模型训练框架（如DeepSpeed、Megatron）和分布式训练技巧

面试指南

• 对于算法原理类问题，先阐述核心思想，再结合数学公式或伪代码具体说明，最后联系实际应用
• 对于项目经验类问题，采用STAR原则：背景、任务、行动、结果，重点突出你的贡献和反思
• 对于开放性问题，展示你的技术视野和批判性思维，提出有依据的改进方向
• 请详细解释RLHF的训练流程，包括PPO的具体实现和 reward model 的设计
• 你如何设计一个奖励函数来优化Deep Research任务的轨迹？
• 在大模型训练中遇到过哪些工程挑战？如何解决？
• 你如何看待当前LLM在自主推理和工具调用方面的局限性？有什么改进思路？
• 介绍一个你参与过的LLM+RL项目，从问题定义到最终效果