蚂蚁集团
蚂蚁数字科技-数字科技线-大语言模型算法工程师
蚂蚁数字科技-数字科技线-大语言模型算法工程师
发布于 大约 14 小时前普通员工/个人贡献者
北京市 / 上海市
中级经验
全职员工
仅现场办公
硕士
机器学习工程
Deepspeed
Llm
Pytorch
Rlhf
Sft
分布式训练
大语言模型
微调
预训练
AI 估算 · 35k–65k
大模型算法为核心技术，市场需求旺盛，蚂蚁平台实力强，薪资竞争力强。
职位详情
关于这个职位
这是一个在蚂蚁集团从事大模型算法研发的核心岗位，专注于LLM的预训练、微调与对齐，并推动模型在金融、能源等垂直行业的落地
你将参与构建高质量数据和自动化评估工具，跟踪前沿技术，与产品工程团队协作，技术挑战大，成长空间广阔
最低要求
计算机、人工智能、数学等相关专业硕士及以上学历，1-6年相关工作经验
精通主流大语言模型架构（如 LLaMA、ChatGLM、Qwen 等），具备扎实的 NLP 和深度学习基础
精通分布式训练框架（如 DeepSpeed、Megatron-LM）
精通 SFT、RLHF（如PPO/DPO/GRPO）及对齐算法，有实际的大模型预训练、微调或对齐经验，具备构建复杂奖励模型（Reward Model）的实战经验
精通Agentic技术架构，对Claude Code、OpenClaw等有深入理解，有大规模沙箱环境构建、工具调用（Tool Use）及多轮决策轨迹合成的相关研发经验
具备良好的工程实现能力，熟练使用 PyTorch/TensorFlow 等框架
对大模型在产业落地中的挑战（如幻觉控制、领域泛化、问题修复）有深入理解者优先
工作职责
参与大语言模型（LLM）的预训练、微调与对齐技术研发，以及工具构建
探索大模型在垂直行业领域（金融/能源/医疗等）的高效适配与落地，推动模型能力与行业场景深度融合，支撑蚂蚁数字科技对外输出的大模型产品（如百灵大模型系列）
协助构建高质量数据集（如对话、工具调用、文档解析），设计数据清洗与增强策略，以及工具构建
开发自动化评估工具，监控模型在准确性、安全性、公平性等维度的表现
跟踪大模型前沿进展（如MoE、长上下文、Agent框架），参与内部技术复现与验证
与产品、工程及行业解决方案团队紧密协作，将前沿算法能力转化为可交付、可复用的技术方案
优先资格
● 在NeurIPS/ICML/ACL/EMNLP等顶会发表过大模型相关论文者优先
● 有代表性开源大模型/智能体项目者优先
AI 洞察
优缺点分析
优点
- 大模型是当前最热门的技术方向，技术成长速度快，行业前景广阔
- 蚂蚁集团平台实力强，拥有丰富的业务场景和海量数据，算法落地机会多
- 团队专注前沿技术，有机会接触最新研究成果并参与顶会论文发表
- 多城市协作，可能需要频繁沟通和出差，工作节奏较快
- 行业落地面临幻觉控制、领域泛化等难题，对问题解决能力要求高
- 适合有扎实NLP和深度学习基础，对大模型技术充满热情，希望在前沿领域深耕并解决真实行业问题的算法工程师
缺点 / 挑战
- 技术复杂度高，需要深入掌握预训练、微调、对齐全链路，学习压力大
角色解读
- 从算法工程师向技术专家或架构师发展，深入大模型内核研究
- 向技术管理方向进阶，带领团队负责大模型产品落地
- 跨领域发展，结合行业知识成为金融/能源等垂直领域的AI解决方案专家
- 负责大语言模型的预训练、微调与对齐，包括数据构建、训练和评估全流程
- 探索大模型在金融、能源等垂直行业的落地，开发行业解决方案
- 开发自动化评估工具，监控模型在准确性、安全性、公平性等维度的表现
- 跟踪前沿技术如MoE、长上下文、Agent框架，并参与内部技术复现与验证
- 精通主流大语言模型架构（LLaMA、ChatGLM、Qwen等），具备扎实NLP和深度学习基础
- 精通分布式训练框架（DeepSpeed、Megatron-LM），有大规模训练经验
- 精通SFT、RLHF（PPO/DPO/GRPO）及相关对齐算法，熟悉奖励模型构建
- 精通Agentic技术架构，具备工具调用、沙箱环境构建等研发经验
申请策略
- 了解蚂蚁数字科技的业务方向，特别是百灵大模型在金融、能源领域的应用
- 准备一些关于模型落地难点的思考，展示问题解决能力
- 突出大模型相关项目经验，特别是预训练、微调或对齐的实战细节
- 强调分布式训练经验，如使用DeepSpeed或Megatron-LM进行大规模训练
- 展示Agent相关研发经历，如工具调用、沙箱构建或多轮决策轨迹合成
- 附带开源项目或顶会论文链接，增加技术认可度
- 补充主流大模型架构的底层原理，熟悉LLaMA、Qwen等模型的代码实现
- 动手实践RLHF流程，重点掌握PPO、DPO、GRPO等算法
面试指南
- 对于项目类问题，采用STAR法则，突出目标、难点、个人贡献和量化结果
- 对于技术选型问题，对比不同方案优劣，结合场景做决策，并说明理由
- 对于开放性问题，先结构化思考，再从数据、模型、评估、工程等角度分点论述
- 请详细描述你参与的一个大模型微调项目，包括数据、模型架构、训练策略和效果评估
- RLHF和DPO有什么区别？在什么场景下选择哪种？请结合项目经验说明
- 如何设计一个评估大模型安全性和公平性的自动化工具？
- 谈谈你对Agentic架构的理解，以及如何实现工具调用和多轮决策
- 大模型在金融领域落地面临哪些特殊挑战？如何缓解幻觉问题？
职位点评
74
综合评分
大厂核心算法岗，前沿技术栈，薪资优厚，但WLB一般。
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。
更适合这类人
该职位最适合追求技术成长和前沿探索的算法工程师，对工作地点灵活性要求不高，愿意在快节奏环境中挑战高难度问题。
表现最好
成长发展
相对薄弱
工作生活
薪资福利78
成长发展95
工作生活40
使命价值70
薪资福利
78中等
该职位薪资水平预计较高，蚂蚁集团平台实力强，福利体系完善，但JD未明确具体薪资和福利细节。
薪资信号未披露（AI估算：35K-65K/月）
成长发展
95较高
该职位处于大模型技术最前沿，涉及预训练、微调、对齐、Agent等核心方向，技能成长空间极大，且公司鼓励跟踪前沿技术。
技术前沿前沿/新兴技术
技术栈LLM、预训练、微调、RLHF、SFT、DeepSpeed、Megatron-LM、Agent、MoE、长上下文
业务类型profit_center
工作生活
40较低
JD未提及远程或弹性工时，工作地点多个城市，可能需要出差或跨城市协作，工作强度未明确，但大厂算法岗通常节奏较快。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
70中等
大模型技术在金融、能源、医疗等行业的应用具有社会价值，但主要驱动因素是商业化，使命导向不明显。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
蚂蚁集团 的其他在招职位
相似职位推荐
Watch Jobs