蚂蚁集团-大模型后训练算法工程师（Agent / 语言方向）-健康事业群

岗位描述
1、负责大模型 SFT（指令微调）、偏好优化、RLHF（人类反馈强化学习）、RLVR 等后训练算法研发与效果优化；
2、负责 Agent 能力建设，包括 Tool Use、多轮交互、任务执行与复杂指令遵循；
3、提升模型语言理解、生成质量、多轮对话和风格控制能力；
4、负责训练数据构建、评测分析和问题定位，推动模型能力持续迭代；
5、跟进后训练、Agent 等方向前沿技术，并完成实验验证和业务落地。

岗位要求
职位描述
1、熟悉各类后训练方法，包括 PPO、GRPO、DPO 等；
2、有 Agent、Tool Calling（工具调用）、Harness（测试框架）优化等相关项目经验；
3、熟练使用 AI 辅助编程工具，同时具备较强的工程能力和代码质量意识；
4、能够独立负责一个模型能力方向，从问题分析、方案设计到实验落地。
加分项
1、有大模型后训练、Agent 相关实际落地经验；
2、有高水平学术会议论文发表、知名开源项目贡献或大规模模型训练经验。