蚂蚁集团-后训练数据工程-杭州/北京

优缺点分析

角色解读

• 纵向发展：成为大模型数据领域的专家，主导核心数据策略与架构设计
• 横向发展：转向模型训练、推理优化或AI产品方向，拓宽技术广度
• 管理路径：带领数据工程团队，负责项目规划与跨团队协作
• 负责百灵大模型后训练数据的规模化生产，探索前沿数据合成方法，主导agentic数据的自动化生成
• 应用prompt工程和SFT技术优化数据质量，持续跟踪业界最新数据处理方法
• 建立数据质量和效果评估体系，提升数据的多样性、安全性和有用性
• 扎实的分布式计算和GPU性能调优能力，能够高效处理大规模数据
• 深入理解大模型后训练流程，熟悉复杂推理、代码生成或Agent等垂直领域
• 熟练使用prompt工程和SFT技术，具备数据合成与优化经验
• 良好的沟通和独立解决问题能力，能够跟进前沿技术动态

申请策略

• 在简历中明确表达对大模型数据工程的热爱和长期投入意愿
• 可以准备一个关于后训练数据质量提升的创新想法，体现主动思考
• 突出分布式计算和GPU性能调优的项目经验，量化处理数据规模和性能提升
• 重点展示在复杂推理、代码生成或Agent领域的后训练实践成果
• 如果有顶会论文或公开的LLM相关贡献，务必列出
• 强调数据合成、Prompt工程等具体技术应用案例
• 提前熟悉蚂蚁百灵大模型的技术特点和现有数据流程
• 补充Agentic数据合成和自动化流水线的相关知识

面试指南

• 用STAR方法回答项目经验：情境、任务、行动、结果，突出量化指标
• 技术问题先阐述基本原理，再结合具体实践，最后总结最佳实践
• 对于开放性问题，表现系统思维：从目标出发，分解步骤，考虑权衡
• 请介绍你在大模型后训练数据方面的工作经验？
• 如何设计一个高效的数据合成流水线？请举例说明
• 如何评估后训练数据的质量和多样性？有哪些指标？
• 在分布式环境下，如何优化GPU训练性能？遇到过哪些挑战？
• 你对Agentic数据的理解是什么？如何自动化生成？