蚂蚁集团-Agent 算法工程师-健康事业群

优缺点分析

角色解读

• 从算法工程师成长为技术专家，深入LLM训练、强化学习等前沿方向，成为团队核心技术骨干
• 在蚂蚁健康事业群中，可向医疗AI专家方向发展，结合业务场景打造差异化技术壁垒
• 有机会晋升为技术主管或技术总监，带领团队负责更大范围的AI系统建设
• 负责研发和优化基于多轮问诊的大语言模型（LLM），包括模型架构设计、训练和调优
• 探索并利用强化学习（RL）技术，增强LLM的医学推理能力和Agentic行为，如工具调用、多步决策
• 参与大规模模型训练任务，处理数据、分布式训练、性能优化等工程问题
• 与产品、医学团队协作，将算法落地到实际问诊场景中，持续迭代模型效果
• 深厚的机器学习和深度学习理论基础，熟悉Transformer架构、LLM训练原理
• 熟练掌握PyTorch，并熟悉至少一种训练框架（如Slime、ms-swift、verl等）
• 具备强化学习相关知识，了解PPO、DPO等对齐技术者优先
• 有大规模模型训练经验，熟悉分布式训练、混合精度、模型并行等技术

申请策略

• 关注蚂蚁集团官网招聘信息，内推可能增加曝光
• 准备一个完整的项目案例，展示从数据处理到模型部署的全过程
• 突出大模型相关项目经验，如预训练、微调、RLHF或Agent应用
• 强调使用PyTorch和分布式训练框架的实际经验，如DeepSpeed、Megatron等
• 如有顶会论文或竞赛获奖，务必放在显眼位置
• 展示你在医学/NLP领域的沉淀，如医疗问答、知识图谱等项目
• 系统复习强化学习经典算法，并动手实现PPO、DPO等
• 熟悉LLM常用训练框架，如DeepSpeed、ms-swift、verl，尝试跑通一个微调demo

面试指南

• 采用STAR法则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)来回答项目经历问题
• 对于技术方案类问题，先阐述目标，再分析多种可能方案，最后说明取舍和落地效果
• 对于开放性问题，可以结合业务场景和最新研究（如ReAct、Reflexion）给出结构化回答
• 请介绍你参与过的LLM项目，遇到的最大技术挑战是什么？如何解决的？
• 如何优化多轮问诊场景下的LLM推理能力？谈谈你的思路
• 你了解哪些强化学习算法？如何将其用于提升模型Agentic能力？
• 在大规模模型训练中，如何处理分布式训练的内存和通信瓶颈？
• 如何评估医疗问诊模型的效果？有哪些关键指标？