蚂蚁集团-舆情和情报Agentic算法专家-杭州

优缺点分析

角色解读

• 成为舆情和情报领域的算法专家，主导核心算法创新
• 向技术架构师或AI团队负责人方向发展，负责更大范围的AI系统设计
• 深入AI Agent前沿方向，推动蚂蚁集团在智能体技术上的领先地位
• 设计并实现舆情和情报领域的Agentic算法，包括多Agent协作框架、DeepResearch链路和线索挖掘系统
• 利用LLM微调、RL+OPD后训练等技术优化模型效果，解决长尾稀疏标签问题
• 优化舆情应急AI链路的端到端响应时间，从数分钟降至数十秒，支撑AI切流战略
• 与业务团队紧密合作，将算法落地到实际风险域和业务域，推动智能化升级
• 精通LLM微调（SFT/RLHF/DPO/OPD）和Prompt Engineering
• 深入理解Multi-Agent系统架构，熟悉CoT、ReAct等范式
• 掌握多路召回、重排序、RAG技术，熟练使用ES、Milvus、Faiss
• 熟练使用Python/Java和PyTorch/TensorFlow，具备工程化落地能力

申请策略

• 了解蚂蚁集团大安全部的业务场景（舆情、黑灰产对抗），在面试中展现业务理解
• 提前准备1-2个端到端的Agent系统设计方案，体现从需求到落地的能力
• 突出LLM微调和Multi-Agent相关项目经验，尤其是端到端落地案例
• 强调在搜索、推荐、对话系统或风控领域的深度学习应用经验
• 列举在NLP/AI顶会发表的论文或AI Agent开源项目贡献
• 展示大规模数据处理和模型部署的工程化能力（如性能优化、系统架构）
• 系统学习Multi-Agent框架（LangChain、AutoGPT、MetaGPT）并实践复杂任务协作
• 深入掌握RLHF/DPO/OPD等后训练技术，了解长尾标签处理策略

面试指南

• 对于系统设计题，从需求分析、架构选型、关键模块（规划、记忆、工具调用）到评估指标逐层展开
• 对于算法优化题，先梳理问题核心（如长尾、稀疏），再给出技术方案（数据增强、模型结构、训练策略）
• 对于落地经验题，采用STAR法则（情境、任务、行动、结果）清晰描述个人贡献和效果
• 请设计一个Multi-Agent系统实现舆情报告的自动生成，包括架构、任务分解和协作流程
• 如何通过RL+OPD后训练解决多级标签的长尾稀疏问题？请给出具体方案
• 在DeepResearch场景中，如何实现多源数据检索、信息聚合和报告生成？
• 请谈谈你对RAG优化的理解，特别是在篇章级/段落级/句子级事件匹配中的应用
• 你如何评估和优化Agent系统的错误恢复和长程任务稳定性？