蚂蚁集团
蚂蚁国际-商服AI算法工程师-全球技术
蚂蚁国际-商服AI算法工程师-全球技术
发布于 大约 14 小时前普通员工/个人贡献者
全职员工仅现场办公算法优化工程师
算法优化工程师
Aigc
Llm
Pytorch
Rag
分布式训练
大语言模型
强化学习
数据飞轮
值不值得投
78综合评分
综合评分 78
技术前沿、成长机会多，薪资有竞争力，但工作模式和WLB不确定性较高。
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
45K
比算法优化工程师中位数低
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 960 个在招 · 其中算法优化工程师 4 个
市场机会
选择面较广
杭州 · 算法优化工程师 · 约 110 个在招
职位详情
关于这个职位
该职位负责将大模型能力转化为可上线、可迭代、可控成本的产品能力，涉及语言大模型、多模态大模型应用后训练、智能体优化及AIGC能力构建
通过数据飞轮、模型适配、评测与实验等关键手段，实现端到端闭环交付，持续提升产品效果与稳定性
最低要求
基础条件：1.计算机、数学、统计学等相关专业优先
有顶会论文（ACL/EMNLP/ICLR/NeurIPS/ICML/CVPR/ICCV/ECCV等）/高影响项目/开源贡献者加分
专业能力：1.模型理解与优化：深入理解Transformer和主流LLM模型架构演进原理，对后训练算法有实操经验和深刻认知，拥有Agentic RL训练实操经验者优先
Agent与系统编排：能做任务拆解与多Agent协作
熟悉RAG、Memory、Tool-Use（含MCP/类协议/Skills等）并能工程化落地
独立开发过具备一定影响力AI应用者优先
数据构建：具备Data-centric AI意识，精通后训练所需高质量数据挖掘与构造，具备合成数据（Synthetic Data）与动作轨迹（Trajectory）构建实践经验者优先
评测与交付：能搭建评估闭环（autorater/LLM-as-judge、离线评测、A/B）
具备测试、调试、review、安全/隐私与质量门禁能力
能基于评测结果精准分析和定位问题，具备复杂多步任务的量化评估能力者优先
工程与系统素养：能够通过Vibe Coding快速构建项目原型
理解分布式系统/数据库/计算机系统基础
精通至少一门语言，熟练掌握Python与Pytorch
熟悉Git/命令行
了解大模型训练与推理框架（Megatron-LM、vLLM、DeepSpeed/FSDP等），有分布式训练/大规模数据处理经验（Hadoop/MaxCompute等）加分
能力特质：1.学习力：对AI有热情、对前沿技术与产品好奇，对未知开放，能举一反三
动手能力：积极主动体验市场中先进的模型和产品，独立阅读论文/技术报告等并快速复现，快速主动尝试落地先进开源项目，对主流AI开源项目有贡献者优先
技术审美：对新技术有近乎本能的渴望，能区分“能跑”与“优雅”，追求简洁、可维护、可扩展
在模型/框架/工具选型上保持高信噪比决策
工作职责
将大模型能力做成可上线、可迭代、可控成本的产品能力
通过打造数据飞轮、模型适配与后训练、评测与实验等关键手段，实现端到端的闭环交付，持续提升产品的效果与稳定性
具体职责包括以下相关方向的一项或多项：包括语言大模型（LLM）应用后训练与智能体优化、多模态大模型（VLM/MLLM）应用后训练与智能体优化，以及图像、视频、语音、文档等场景下的 AIGC 能力构建与生成效果优化
需求与问题定义：深入业务与产品共创需求，将文本、图像、视频、语音、文档等场景诉求转化为可执行的 AI 任务定义，明确目标、边界、优先级与验收口径
方案与应用架构：在Prompt、RAG、微调、Agent等路线间做技术选型与权衡，设计端到端应用架构（含上下文、工具调用、记忆、权限与安全），并完成RAG、Multimodal RAGMemory、Tool Use、多Agent等能力的工程化落地与生产级集成
数据飞轮与治理：搭建高效的数据采集、清洗与标注工程流水线
前瞻性地探索合成数据与模型自标注等自循环策略，同时建立完善的数据版本追踪与质量评估体系，真正打通“模型训练-业务应用-用户反馈-数据迭代”的增强回路
模型适配与后训练：主导基座大模型向顶尖垂直行业专家的后训练的全链路技术演进，包括高质量的SFT、RL阶段PPO、GRPO等前沿强化学习与偏好优化算法攻坚，全面突破模型在复杂业务场景下的指令遵循精度、极致可控性与长链路逻辑推理天花板，显著提升大模型在复杂业务场景下应用能力
评测体系与实验：面向业务目标设计评测指标与Rubric，搭建自动化评测框架（含人工评审），建立离线基准与线上实验体系（A/B、Bandit），持续监控指标漂移与策略投机以防止效果退化
生产交付与运营：负责系统集成与上线发布，对线上质量、稳定性与成本负责，建立监控、告警、兜底与人工接管机制，推动持续迭代
AI 洞察
优缺点分析
优点
- 技术前沿，直接参与大模型、AIGC等热门领域，积累高端技术经验
- 在大型科技公司平台，拥有丰富资源和业务场景，实践机会多
- 工作成果与产品效果直接挂钩，能快速看到技术落地价值
- 技术更新速度快，需要持续学习新算法和框架，保持竞争力
- 对系统工程和质量要求严格，需具备严谨的工程素养和问题解决能力
缺点 / 挑战
- 项目复杂度高，可能涉及高强度工作和快速迭代压力
- 适合对AI有浓厚兴趣、具备扎实技术基础、喜欢挑战复杂问题并追求技术深度的求职者
角色解读
- 成为AI算法专家或架构师，深耕大模型技术并推动行业应用创新
- 转向技术管理路线，带领团队负责更大规模的AI项目
- 在AI前沿领域如具身智能、多模态大模型等方向持续探索和发展
- 将大模型能力转化为可上线产品，涉及后训练、智能体优化和AIGC能力构建
- 设计端到端应用架构，包括RAG、Agent、Tool-Use等技术的工程化落地
- 搭建数据飞轮、评测体系，实现模型训练到业务应用的闭环迭代
- 负责生产交付与运营，确保线上质量、稳定性和成本控制
- 深入理解Transformer和主流LLM架构，掌握后训练算法如SFT、PPO、GRPO
- 熟悉RAG、Memory、Tool-Use等技术，能进行多Agent协作和系统编排
- 精通数据构建和评测，具备合成数据、自动化评测框架搭建能力
- 熟练掌握Python、PyTorch，了解分布式训练框架和系统基础
申请策略
- 研究蚂蚁集团在AI领域的业务布局，如支付宝智能客服、蚂蚁链等，展示与公司方向的契合
- 准备具体项目案例，用数据和结果量化你的技术贡献
- 突出大模型相关项目经验，特别是后训练、RAG、Agent等实践
- 展示顶会论文、开源贡献或高影响项目，体现技术影响力
- 强调工程化能力，如Python、PyTorch、分布式训练等技术栈熟练度
- 描述数据构建、评测体系设计经验，突出闭环交付能力
- 深入学习强化学习算法如PPO、GRPO，并通过实战项目巩固
- 实践RAG和智能体开发，尝试构建一个完整的AI应用原型
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化描述项目经验
- 从技术选型、架构设计、实现细节和效果优化等角度回答系统设计问题
- 结合具体指标（如准确率、延迟、成本）和实验数据说明评估方法
- 请描述一个你主导的大模型后训练项目，遇到的主要挑战和解决方案？
- 如何设计一个高效的RAG系统来支持复杂业务查询？
- 你如何评估大模型在多步推理任务中的表现？设计过哪些评测指标？
- 解释一下GRPO和PPO在算法层面的区别和应用场景？
- 在生产环境中部署大模型时，你如何保证系统的稳定性和安全性？
职位点评
薪资福利80
成长发展90
工作生活60
使命价值75
薪资福利
80较高
该职位在大型科技公司，薪资和福利可能具有竞争力，但JD未明确披露具体信息。
薪资信号未披露（AI估算：30K-60K/月）
成长发展
90较高
职位涉及大模型、AIGC等前沿技术，提供丰富的技术成长和项目实践机会。
技术前沿前沿/新兴技术
技术栈大语言模型、LLM、AIGC、RAG、强化学习、智能体优化
业务类型ambiguous
工作生活
60中等
工作模式未明确提及，可能偏向现场办公，WLB情况无法从JD判断。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
75中等
AI是高速增长赛道，职位创新性高，但JD未强调社会使命或价值观。
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