蚂蚁集团
蚂蚁集团-垂类模型语料科学家-北京/杭州/上海【AGI专项】
蚂蚁集团-垂类模型语料科学家-北京/杭州/上海【AGI专项】
发布于 大约 3 小时前普通员工/个人贡献者
北京市 / 杭州市
高级经验
全职员工
仅现场办公
学历未注明
NLP工程
Nlp
Pytorch
Rlhf
Scaling Laws
大模型
数据清洗
金融
AI 估算 · 35k–65k
蚂蚁集团AGI专项，要求高，薪资竞争力强，参考大厂高级NLP工程师水平。
职位详情
关于这个职位
作为垂类模型语料科学家，你将负责为大模型构建高质量语料，优化模型在金融场景下的逻辑推理、合规对话和复杂决策能力
工作涉及数据清洗、合成数据生成、RLHF反馈机制和基准测试构建，是AGI专项的核心岗位之一
最低要求
计算机、人工智能、金融经济相关专业背景
熟练掌握机器学习、自然语言处理、大语言模型等相关领域的基本理论和算法
熟练掌握Python编程语言，熟悉主流深度学习框架（如PyTorch），具备大规模数据处理和分布式训练的实际经验
具备良好的分析和解决问题能力，能够独立思考并解决复杂的技术问题
具备较强的团队合作能力和沟通能力，能够与工程、产品等团队紧密配合，共同推动项目落地
热爱人工智能领域，对探索新事物充满热情
工作职责
语料体系全生命周期优化： 负责大模型各阶段（Pre-training, SFT, RLHF）语料的构建与迭代
通过体系化扩展、高精度清洗、去重及去噪，定义并迭代金融领域的“高质量数据”标准
关键能力专项驱动： 针对性优化模型的逻辑推理、多指标计算、财报分析及代码编写能力
设计并实施数据配比实验（Data Mixture），探索知识密度与模型效果的缩放定律（Scaling Laws）
合成数据与 Agentic 仿真： 研发前沿的合成数据（Synthetic Data）技术，利用 Self-Instruct、Agentic-RL 等手段合成高质量的多轮决策轨迹、长文档推理链（CoT），解决金融场景下的长尾数据稀缺问题
数据标注与 RLHF 反馈机制：制定涵盖金融专业性、逻辑严密性及合规性的多维度标注方案，构建高质量的偏好数据集，通过人类反馈引导模型符合行业从业者的价值观与专业审美
基准测试 (Benchmark) 构建： 针对性构建涵盖如金融资格考试、财报解析、风险识别、投研策略等维度的自动化及人工评测基准
通过 Benchmark 结果精准反查数据短板，实现“以测促练”的闭环迭代
优先资格
● Good Data Taste (极佳的数据审美)： 对数据质量有近乎偏执的追求，能从杂乱的数据中识别出决定模型能力的“黄金样本”
● Following the First Principle (第一性原理)： 拒绝盲从经验，能从底层物理和信息论角度思考模型与数据的本质关系
● Algorithm & System Co-design (算法工程协同)： 具备算法与系统协同优化的视野，能通过对存算引擎或数据处理算子的深刻理解提升数据处理和实验迭代效率
● Interdisciplinary Background (跨学科背景)： 具备“金融 + 计算机/数学”的复合背景，深入理解金融研报逻辑、合规准则或精算模型者优先
● Curiosity-driven (好奇心驱动)： 对大模型领域的新生事物保持极度兴奋，有顶级学术论文（ACL, NeurIPS 等）或高水平竞赛、开源贡献经历
● Full-stack Execution (全栈执行力)： 具备从底层算子修改到上层算法调优的 Hands-on 全链路解决问题能力
AI 洞察
优缺点分析
优点
- 蚂蚁集团大平台，AGI专项资源充足，能接触到最前沿的大模型技术和数据方法论
- 工作内容高度技术驱动，适合对数据质量和模型效果有偏执追求的工程师，成长空间大
- 金融垂类赛道壁垒高，积累的经验具有长期价值，未来职业竞争力强
- 工作强度可能较大，AGI专项节奏快，需要快速迭代和解决复杂问题
- 对数据质量和实验效率要求极高，需具备极强的自驱力和逻辑分析能力
- 跨团队协作频繁，需要与工程、产品、业务多方沟通，不仅限于技术
- 适合对数据科学和大模型充满热情、具备极佳数据审美和工程能力的硬核技术人才，尤其适合有金融背景或跨学科复合背景的求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 成为AGI领域数据专家，主导垂类模型数据策略，晋升技术专家或架构师
- 横向拓展至模型训练、推理优化等方向，成为全栈AI科学家
- 跨领域发展，结合金融背景成为AI+金融复合型领军人才
- 负责大模型语料的全生命周期管理，包括清洗、去重、合成数据生成，确保数据质量
- 通过数据配比实验和缩放定律研究，优化模型在金融场景的逻辑推理和合规对话能力
- 构建自动化评测基准，反查数据短板，实现“以测促练”的闭环迭代
- 扎实的机器学习/NLP基础，熟悉大模型原理及训练流程（Pre-training, SFT, RLHF）
- 精通Python和PyTorch，具备大规模数据处理和分布式训练经验
- 对数据质量有极致追求，能从杂乱数据中识别“黄金样本”，具备数据审美
申请策略
- 在面试中展示你对数据质量的“偏执”，可以准备一个通过数据优化模型效果的详细案例
- 了解蚂蚁集团在金融科技领域的布局，以及AGI专项的目标，体现业务理解
- 突出大模型相关经历，尤其是语料构建、数据清洗、合成数据或RLHF项目经验
- 强调数据处理和实验迭代的效率意识，展示你如何通过数据提升模型效果的具体案例
- 如果有金融相关背景或项目，务必提及，体现跨学科复合优势
- 补充Synthetic Data和Agentic-RL的前沿知识，阅读相关论文（如Self-Instruct, Constitutional AI）
- 熟悉PyTorch分布式训练框架（DeepSpeed, Megatron），提升大规模数据处理能力
面试指南
- 对于技术问题，遵循“背景-方案-结果”结构，强调你在数据质量和效率上的思考
- 对于原理性问题，从第一性原理出发，解释本质而不只是背诵公式
- 对于开放性问题，展示你的系统思维和创新能力，结合具体例子
- 请谈谈你在大模型数据构建中的实践经验，如何保证数据质量和多样性？
- 解释一下RLHF的原理，以及你如何设计偏好数据集来优化模型
- 如何通过数据配比实验探索缩放定律？设计一个实验方案
- 金融场景下，语料有哪些特殊要求？你如何处理合规性和专业性？
- 你对合成数据技术有什么了解？Self-Instruct和Agentic-RL分别适用于哪些场景？
职位点评
75
综合评分
大厂AGI前沿岗位，高成长高薪资，但节奏快压力大，适合技术驱动型人才。
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
最适合追求技术前沿、快速成长的求职者，对工作生活平衡要求不高。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展95
工作生活40
使命价值75
薪资福利
80较高
蚂蚁集团为行业头部企业，薪资福利在市场中处于较高水平，且AGI专项投入大，补偿性动机满足良好。
薪资信号未披露（AI估算：35K-65K/月）
成长发展
95较高
该岗位处于AI最前沿的大模型领域，技术栈新颖，强调第一性原理和创新，成长空间极大，发展性动机高度满足。
技术前沿前沿/新兴技术
技术栈大模型、NLP、PyTorch、Synthetic Data、RLHF、Scaling Laws
成长机会Good Data Taste、First Principle、Algorithm & System Co-design、全栈执行力
业务类型profit_center
工作生活
40较低
工作地点为北京/杭州/上海，需现场办公，未提及弹性工作或远程，且AGI专项节奏可能快，生活化动机满足有限。
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
75中等
AGI和金融科技结合具有社会价值，但岗位更侧重技术实现，使命感中等。
行业发展高速增长赛道
社会影响中性/一般
使命信号AGI专项
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