蚂蚁集团-风险管理AI工程师（反洗钱方向）-成都

优缺点分析

角色解读

• 成为反洗钱AI领域的专家，主导垂类大模型和智能体的设计与落地
• 向技术管理方向发展，带领团队构建企业级AI风控体系
• 横向拓展至金融科技其他AI应用场景，如欺诈检测、信用评分等
• 将反洗钱业务规则转化为模型可理解的推理逻辑，利用大模型技术辅助决策
• 优化大模型训练数据（指令微调、偏好排序），通过SFT和RLHF等技术持续提升模型性能
• 研发基于强化学习的智能体，构建多轮决策轨迹数据和奖励函数，实现工具调用、多步推理和多智能体协作
• 推动Agent、Self-Learning等技术的应用，设计自动化工作流，提升风险监测和类罪取证的效率
• 扎实的算法基础，精通PyTorch，深入了解大模型训练技术（SFT、RLHF）
• 熟悉Agent技术栈（LangChain、AutoGen等），具备多智能体系统开发经验
• 较强的业务理解能力，能快速将复杂的金融风控业务需求转化为技术方案
• 较强的逻辑思维和沟通协作能力，能与多方团队有效配合

申请策略

• 面试前准备一个完整的项目故事：从业务问题、技术选型、模型训练、到最终效果和应用
• 关注蚂蚁集团在AI风控领域的技术博客或开源项目，展示对公司的了解
• 突出大模型相关项目经验，特别是SFT、RLHF的落地案例，说明模型性能提升效果
• 强调Agent技术栈的实际应用，如工具调用、多智能体协作、奖励函数设计等
• 展示金融风控或反洗钱领域的业务理解，如有相关项目最佳
• 体现独立解决长程推理稳定性问题的能力，可举例说明
• 补充强化学习（PPO、DPO）和奖励模型构建的实操经验，可通过开源项目或论文复现
• 熟悉LangChain、AutoGen等框架，尝试搭建简单多智能体Demo

面试指南

• STAR法则：背景-任务-行动-结果，重点突出技术细节和量化效果
• 对比分析：对不同技术方案（如不同对齐算法、Agent框架）给出对比，体现技术深度
• 问题解决：描述在项目中遇到的技术难点（如训练不稳定、推理失败）以及你的解决思路
• 请介绍你参与过的一个大模型SFT/RLHF项目，你是如何设计训练数据和奖励函数的？
• 多智能体系统中，如何保证长程推理的稳定性和准确性？请举例说明
• 解释PPO和DPO的区别，以及你在实际项目中如何选择？
• 如何将反洗钱业务规则转化为模型可理解的逻辑？能否给出一个具体的设计思路？
• 在Agent的仿真环境构建中，你如何处理工具调用的失败和重试机制？