蚂蚁集团
网商银行-大模型后训练工程师-上海/杭州
网商银行-大模型后训练工程师-上海/杭州
发布于 大约 8 小时前普通员工/个人贡献者
上海市 / 杭州市
中级经验
全职员工
仅现场办公
硕士
机器学习工程
Dpo
Llm
Nl2Sql
Pytorch
Rag
Rlhf
Sft
大模型
AI 估算 · 35k–60k
大模型后训练稀缺技能，蚂蚁平台强，薪资竞争力高，但工作强度大。
职位详情
关于这个职位
该职位属于蚂蚁集团旗下网商银行，负责信贷领域大模型的后训练工作，包括SFT、RLHF、DPO等前沿技术
你将参与构建智能Agent系统，利用RAG、NL2SQL等实现端到端决策支持
岗位要求硕士以上学历，三年以上经验，并具备扎实的深度学习功底
适合对AI+金融方向感兴趣的技术人才
最低要求
计算机科学、人工智能、数学或相关专业的硕士及以上学历，3年以上机器学习/深度学习相关工作经验
扎实的机器学习基础，深刻理解深度学习、自然语言处理的基本原理，对Transformer架构、语言模型有深入理解
具备丰富的模型训练/微调实践经验，熟练掌握PyTorch/TensorFlow等至少一种深度学习框架
出色的编程和工程实现能力（Python）
具备优秀的问题分析和解决能力，能够独立开展实验、分析结果并定位问题，对算法创新和解决挑战性问题有浓厚兴趣
工作职责
主导信贷大模型的后训练体系：通过有监督微调（SFT）、奖励模型（RM）训练、人类反馈强化学习（RLHF）、直接偏好优化（DPO）等领域领先技术，让模型不仅“会回答”，更能“可解释、答得准、判得稳、符合专家直觉”，实现与信贷业务目标的深度对齐
构建垂直领域智能Agent系统的能力：能主导信贷场景下Intelligent Agent的核心框架设计，融合感知、规划、执行与持续学习机制，并通过知识图谱、RAG、NL2SQL等技术打通非结构化知识、结构化数据与自然语言交互，实现从行业洞察、风险画像到决策支持的端到端自动化
打造高质量领域数据飞轮：从零构建面向信贷场景的指令与偏好数据集，设计数据配比、清洗、增强与合成策略，持续提升数据效率与泛化能力——因为你知道，好模型的背后，是更聪明的数据
建立科学严谨的评估体系：构建覆盖准确性、逻辑一致性、风险敏感度、幻觉控制等多维度的自动化评测 pipeline，用数据驱动模型迭代，确保每一个版本都比上一个更可靠、更可用
站在AI+金融的最前沿：紧密跟踪全球大模型的最新进展（如新型偏好学习、多Agent协作等），快速将学术突破转化为业务生产力，解决真实世界中复杂、高 stakes 的信贷决策挑战
同时将领域化的研究转化为高质量的顶会论文，形成持续学术影响力
优先资格
具备大模型（LLM）、Agent相关项目经验者优先
有SFT、RLHF、DPO等后训练全流程实践经验者优先
熟悉分布式训练框架、深度学习性能优化（如混合精度训练、ZeRO等）者优先
在顶级会议（如NeurIPS, ICML, ICLR, ACL等）发表过相关论文，或有开源项目贡献（如参与过LLM相关项目：LLaMA-Factory, TRL等）
AI 洞察
优缺点分析
优点
- 前沿技术栈，涵盖大模型后训练、Agent等热点方向，技术含量高
- 蚂蚁集团平台，业务场景丰富，数据资源海量，有真实落地价值
- 与资深信贷专家合作，快速积累金融领域知识，拓宽行业视野
- 鼓励学术创新，有发表顶会论文和开源贡献的机会
- 技术要求高，需要扎实的ML/LLM功底和丰富的实战经验
- 金融场景对模型准确性和可靠性要求极高，容错率低
- 工作强度可能较大，需适应快速迭代和高压环境
缺点 / 挑战
- 适合热爱技术挑战、对AI+金融感兴趣、有大型模型训练经验的工程师
角色解读
- 纵深发展：成为大模型训练与对齐领域的专家，主导核心模型研发
- 横向拓展：结合金融业务，发展为AI+金融解决方案架构师
- 学术影响力：通过发表顶会论文和开源贡献，积累行业声誉
- 主导信贷大模型的后训练，包括SFT、RLHF、DPO等，让模型与业务目标深度对齐
- 构建智能Agent系统，整合知识图谱、RAG、NL2SQL，实现端到端决策自动化
- 构建领域数据飞轮，设计数据配比、清洗与合成策略，提升模型泛化能力
- 搭建自动化评估pipeline，从准确性、逻辑一致性等多个维度驱动模型迭代
- 扎实的机器学习与深度学习基础，深入理解Transformer架构和语言模型
- 熟练掌握PyTorch或TensorFlow，具备模型训练与微调实战经验
- 掌握SFT、RLHF、DPO等后训练方法，了解分布式训练和性能优化
- 编程能力强（Python），能够独立开展实验和问题定位
申请策略
- 了解决策大模型的业务价值，准备相关项目故事
- 关注蚂蚁科技的文化，强调对金融创新的热情
- 突出大模型后训练项目经验，详细描述SFT、RLHF、DPO的实践细节
- 强调模型效果的量化指标，如准确率提升、业务收益等
- 展示开源项目贡献或顶会论文，体现技术深度
- 描述金融领域或大规模分布式训练的经验
- 补充RLHF/DPO的原理和实现，熟悉主流框架如LLaMA-Factory、TRL
- 学习RAG、NL2SQL、知识图谱在Agent中的实际应用
面试指南
- 用STAR法则结构化描述项目：情境、任务、行动、结果
- 从原理到实践，先讲核心思想，再讲工程实现细节
- 突出数据驱动和实验迭代的思维方式
- 请详细描述你如何设计和实施一个RLHF训练流程？遇到过哪些问题？
- 如何评估一个大模型在信贷决策场景的可靠性和风险？
- 解释DPO与RLHF的区别及各自的优劣？
- 如何构建高质量的训练数据集？
- 你对Agent多智能体协作有哪些理解和实践？
职位点评
73
综合评分
蚂蚁旗下网商银行大模型后训练岗，技术前沿、薪资高，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
适合以技术成长为驱动、追求前沿AI领域挑战和职业发展潜力的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展90
工作生活50
使命价值70
薪资福利
75中等
该职位为头部互联网公司核心算法岗，薪资水平预计高于市场平均，但JD未披露具体福利，存在不确定性。
薪资信号未披露（AI估算：35K-60K/月）
成长发展
90较高
岗位聚焦大模型后训练，处于技术前沿，成长空间大，鼓励学术创新。
技术前沿前沿/新兴技术
技术栈LLM、SFT、RLHF、DPO、Agent、PyTorch、Transformer、RAG、NL2SQL、分布式训练
成长机会学术影响力
业务类型profit_center
工作生活
50较低
工作地点为上海/杭州，公司未提及弹性或远程，互联网大厂通常工作强度较大，WLB一般。
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
AI+金融具有行业前景，解决信贷决策问题有一定社会意义，但主要服务于商业目标。
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