蚂蚁集团
蚂蚁集团-高级算法专家-杭州/上海
蚂蚁集团-高级算法专家-杭州/上海
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Agent Memory
Llm
Pytorch
Rag
信息检索
向量检索
多轮对话
强化学习
自然语言处理
值不值得投
82综合评分
综合评分 82
头部企业核心 AI 团队、前沿 Agent Memory 方向、薪资极具竞争力、技术挑战与成长空间拉满。
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。
薪资怎么样
7万
比机器学习工程中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 800 个在招 · 其中机器学习工程 61 个
市场机会
选择面较广
杭州 · 机器学习工程 · 约 250 个在招
职位详情
关于这个职位
该职位负责蚂蚁集团 Agent Memory 能力的技术路线定义与架构设计，致力于让 AI Agent 在长期交互和复杂任务中具备持续积累、理解和复用信息的能力
你需要主导记忆检索、使用算法及评测体系的建设，推动前沿研究向线上系统的落地
最低要求
计算机、人工智能、机器学习、自然语言处理或相关专业硕士及以上学历，具备扎实的机器学习、深度学习与自然语言处理基础
在以下一个或多个方向具备深度项目经验：大模型与 LLM Agent
RAG、信息检索或推荐系统
多轮对话与用户个性化建模
长上下文与任务状态管理
持续学习、在线学习或强化学习
熟悉 Embedding、向量检索、混合召回、Reranker 等技术，深入理解召回、排序、困难负样本、离线评测与线上实验方法论
熟练使用 Python 和 PyTorch，能够独立完成数据构建、算法实现、实验设计、消融实验、错误分析与效果评估
理解真实 Agent 场景中的信息过期、偏好变化、记忆冲突、重复记忆、错误传播、检索噪声、上下文预算与数据隐私等核心挑战
具备将算法方案落地到线上系统的完整经验，能够主导接口设计、数据链路、监控告警、灰度发布、回滚与线上问题定位
具备良好的问题抽象、技术判断与跨团队协作能力
工作职责
洞察 Agent Memory 领域趋势，定义用户记忆、Agent 经验记忆与长任务工作记忆的技术演进路线，将前沿研究转化为可落地的系统方案，前瞻性布局记忆生命周期管理（识别、写入、结构化、归并、更新、压缩、版本管理、遗忘、冲突消解）等核心能力
主导记忆检索与使用算法架构设计，融合语义、时间、实体关系、用户偏好与任务状态等多维信号，在召回质量、排序效果、多跳检索、时序推理上实现关键突破
设计记忆注入 Agent 上下文的策略，在效果、上下文长度、响应延迟与模型调用成本之间建立可量化的平衡机制
建设覆盖记忆构建、检索、使用与最终任务效果的完整评测体系，打通离线评测、在线实验、错误分析与 badcase 闭环
主导算法从离线实验到线上系统的全链路落地，建立监控、灰度、回滚与版本迭代的工程治理机制，保障效果、稳定性、时延、成本与数据安全
从 Agent 执行轨迹、用户反馈与任务结果中系统性地提炼经验、策略与技能，构建跨会话、跨任务、动态环境下的复用与迁移能力
独立完成问题定义、数据构建、算法实现、实验验证、消融分析与线上落地，与大模型、检索、平台和业务团队高效协作，在效果、延迟、成本与工程复杂度之间做出合理取舍
优先资格
● 有 Agent Memory、长期记忆、长期对话、用户画像、个性化服务或 Agent 经验学习相关经验
● 有记忆写入、更新、压缩、遗忘、冲突消解、数据撤回或版本管理的实践经验
● 有 Embedding、Reranker 或检索模型训练经验，熟悉困难负样本构建、模型微调、蒸馏或强化学习
● 有图记忆、多跳推理、时序推理、多模态记忆、参数化记忆或持续学习经验
● 有多智能体协作、共享记忆、记忆路由、权限隔离、记忆安全或隐私保护经验
● 了解 LongMemEval、LoCoMo、MemoryAgentBench、HaluMem 等长期记忆评测任务，或有自建评测集与线上评测体系经验
● 有高质量论文、开源贡献，或能够展示明确效果提升、完整实验分析与线上落地结果的项目成果
AI 洞察
优缺点分析
优点
- 处于 AI Agent 与长期记忆的最前沿，技术壁垒高，个人成长空间巨大
- 依托头部平台的丰富场景与算力资源，能够将前沿研究快速转化为落地成果
- 接触大模型核心链路，积累稀缺的 Agent 系统架构与工程落地经验
- Agent Memory 属于新兴领域，缺乏成熟范式，需要极强的探索与问题定义能力
- 需要在效果、延迟、成本与工程复杂度之间做大量权衡，技术落地难度大
- 跨团队协作多，对问题抽象、技术判断与推动落地的综合能力要求极高
- 适合在 NLP、RAG 或大模型领域有深厚积累，渴望在 Agent 前沿方向探索并具备极强工程落地能力的资深算法人才
缺点 / 挑战
暂无明显挑战项
角色解读
- 向 Agent Memory 领域的顶尖技术专家发展，引领行业技术演进
- 成长为 AI 大模型应用架构师，负责更复杂的跨模态、多智能体系统架构
- 定义 Agent Memory 技术路线，设计记忆生命周期管理核心能力
- 主导记忆检索与使用算法架构，平衡效果、延迟与成本
- 建设完整评测体系，推动算法从离线实验到线上系统的全链路落地
- 扎实的机器学习、深度学习与 NLP 基础，熟练使用 Python 和 PyTorch
- 在 LLM Agent、RAG、信息检索或长上下文管理等方向有深度项目经验
- 具备将算法方案落地到线上系统的完整工程经验与跨团队协作能力
申请策略
- 准备具有代表性的 Badcase 分析与消融实验案例，展示严谨的科学方法论
- 提前了解蚂蚁集团在 AI Agent 领域的最新产品动态与技术布局
- 突出在 LLM Agent、RAG、长期记忆或长上下文管理方面的核心项目经验与成果
- 强调从算法设计、离线评测到线上全链路落地的完整闭环能力
- 展示在召回、排序、Reranker 或困难负样本构建等检索技术上的深度优化经验
- 深入了解 Agent Memory 相关的最新论文与评测基准（如 LongMemEval 等）
- 补充多智能体协作、记忆路由或隐私保护等进阶知识体系
面试指南
- STAR 法则：结合具体项目，说明背景、面临的挑战、采取的技术方案及最终量化收益
- 系统性思维：从数据构建、算法设计、评测体系到工程治理，展现全链路闭环能力
- 如何设计一个支持跨会话、跨任务的 Agent 记忆生命周期管理系统？
- 在记忆检索中，如何平衡语义、时间、实体关系等多维信号，并控制上下文长度与延迟？
- 请分享一个你主导的从离线实验到线上落地的完整算法项目，遇到了哪些工程挑战？
- 针对 Agent 场景中的记忆冲突或信息过期问题，你的解决思路是什么？
- 复习 RAG、向量检索、Reranker 及大模型上下文管理的最新技术进展
- 梳理过往项目中的 Badcase 分析与错误定位经验，准备应对深度技术拷问
职位点评
薪资福利90
成长发展95
工作生活50
使命价值85
薪资福利
90较高
作为头部企业的高级算法专家岗位，薪资竞争力极强，能够充分满足对高薪酬回报的期望。
薪资信号未披露（AI估算：5千–9万/月）
成长发展
95较高
岗位聚焦 Agent Memory 这一前沿方向，技术挑战大且成长空间广阔，能极大满足技术极客的发展诉求。
技术前沿前沿/新兴技术
技术栈Agent Memory、LLM、RAG、PyTorch、Embedding、Reranker、强化学习
业务类型profit_center
工作生活
50较低
JD 未明确提及工作模式与 WLB 信息，但高级技术专家岗位通常面临较高的业务压力与落地挑战。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
85较高
致力于让 Agent 具备长期记忆与复杂任务处理能力，推动 AI 向更智能、更拟人的方向演进，具有较高的行业使命感。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新（行业首创）
蚂蚁集团 的其他在招职位
相似职位推荐
Watch Jobs