蚂蚁集团-高级算法专家-杭州

优缺点分析

角色解读

• 可向大模型算法首席专家、技术总监方向发展，或在AI基础研究领域成为行业领军人物
• 有机会带领团队负责核心大模型数据与训练架构，推动技术落地
• 负责大语言模型后训练数据的生产与探索，主导Agentic、Coding等方向的数据生成
• 构建后训练数据生产管线，将科学问题转化为可扩展的工程问题
• 探索RSI形式的后训练数据生产，保持行业技术领先
• 熟练掌握Python和PyTorch，具备多机多卡分布式训练调优经验
• 深入理解Transformer架构及SFT/RLHF/DPO等后训练算法
• 熟悉主流模型Benchmark及数据与Benchmark的关联机制

申请策略

• 了解蚂蚁集团在大模型领域的最新业务布局和技术博客，准备针对具体业务场景的数据生产优化方案
• 突出在大语言模型后训练（SFT/RLHF等）方面的实际项目经验与效果提升数据
• 展示分布式训练调优经验及解决复杂工程问题的能力
• 列出在NeurIPS、ICML等顶会发表的论文或知名竞赛获奖经历
• 深入学习最新的Agentic、Coding数据生成方法及RSI形式后训练技术
• 提升大规模分布式训练的系统级调优能力
• 熟悉各类主流大模型Benchmark的评测机制

面试指南

• 采用STAR法则，结合具体项目背景、采取的技术方案（如算法选择、工程架构）、遇到的挑战及最终量化的业务收益进行回答
• 强调“数据质量”与“工程效率”的双重提升，突出系统性思维
• 请详细介绍你在后训练数据生产（如RLHF/DPO）中的具体经验和效果提升？
• 如何将后训练数据生产从科学问题转化为可Scaling的工程问题？
• 在分布式训练（多机多卡）中遇到过哪些瓶颈，是如何解决的？
• 针对Agentic或Coding方向，你认为高质量数据生成的核心难点是什么？
• 复习Transformer底层原理及各类后训练算法的数学推导与工程实现细节
• 准备1-2个自己主导的复杂数据管线设计案例，突出可扩展性（Scaling）设计