蚂蚁集团-大模型强化学习算法专家-阿福

优缺点分析

角色解读

• 技术专家路线：从RL算法研发逐步深入大模型训练与推理优化，成为RL scaling领域的资深专家
• 技术管理路线：未来可带领团队负责医疗基础模型的能力建设，向技术管理岗位发展
• 跨领域发展：结合医疗行业知识，转型为医疗AI产品架构师或行业解决方案专家
• 负责医疗基础模型的大规模强化学习算法研发，包括设计RL算法、奖励机制，提升模型在复杂诊断、推理等场景的能力
• 与Infra团队协同设计和扩展agentic RL环境，优化交互与反馈的质量和规模，实现agentic能力泛化
• 开展RL scaling相关实验，通过长周期训练提升模型推理能力，并跟踪前沿技术如PPO/GRPO的落地应用
• 扎实的机器学习与强化学习基础，深入理解PPO、GRPO等主流算法，并有丰富的训练经验
• 熟练使用Python和PyTorch，具备开源RL框架（verl/slime/openrlhf等）的使用与二次开发能力
• 熟悉AI Coding工具（如claude code、opencode），并具备一定的Infra协同能力，了解sglang/vllm/megatron优先
• 具备科研能力，有顶会论文发表或大模型领域实践经验者更受青睐

申请策略

• 提前了解蚂蚁医疗基础模型团队的技术方向，思考自己的经验如何匹配
• 准备好展示一次完整的RL训练案例，包括问题定义、算法设计、实验对比和结果分析
• 突出大模型强化学习项目经验，特别是RL训练中的算法优化、稳定性提升等具体成果
• 展示对PPO/GRPO等算法的深入理解，可附带相关实验数据或论文
• 强调Python/PyTorch工程能力，以及使用verl/openrlhf等框架的实践经验
• 如有顶会论文或开源贡献，务必醒目列出
• 学习并实践最新的RL scaling技术（如GRPO、ICEPOP），尝试复现相关论文
• 深入理解agentic RL环境构建，熟悉sglang/vllm等推理优化工具

面试指南

• 对于算法原理问题，建议从数学基础、伪代码、实验对比三个层次展开，并强调实际落地中的挑战
• 对于场景类问题，先明确问题目标和约束，再设计方案，最后用实验数据或逻辑论证可行性
• 对于协作类问题，突出以结果为导向的沟通方式，强调工程与算法的平衡
• 请详细讲解PPO和GRPO的算法原理及在实践中的调参经验
• 如何设计奖励模型避免reward hacking？请结合医疗场景说明
• 在训练大模型时遇到过哪些稳定性问题？如何解决？
• 如何与Infra团队co-design以提升训练效率？请举例
• 你如何看待RL scaling在医疗领域的应用前景？