蚂蚁 Agent 转正实习-hc多多

链接:https://hrrecommend.antgroup.com/guide.html?code=1kyR9L0XfFQtcvTW6CoTv1V5CiF1AdD7eoVIj%2FDSuNQUM8KV1z4rH%2F5xNBunn8QK

我们是一支决策智能算法Agent团队,参与蚂蚁金融科技FinTech的商业化赛道,有着优秀的人才资源、算法能力及丰富的业务场景;
我们的工作是,应用先进的人工智能、研发智能化Agent产品及解决方案。并不断创新方法,打破业界桎梏。
我们的客户,包含银行消金、证券保险、航旅出行、政府、制造,以及大量新兴互联网产业公司。
当前业务正处于飞速增长阶段,各项业务线增长趋势强劲,我们也在不停地探索这块充满无限可能的领域!
我们的优势:
- 充足 GPU 集群算力支持, 完整的数据闭环和丰富的业务场景,涉及金融、营销、风控等场景。
- 与研究和工程能力兼备的团队成员合作,专注兼顾实际效果和研究深度的大模型落地

【转正实习】算法工程师-自然语言处理-LLM
描述
1. 推进数据建设、指令微调(SFT)、偏好对齐(RLHF)、垂直领域继续预训练等模型优化方面的工作,提高模型质量
2. 优化复杂指令、长上下、多轮对话等任务下的模型基础能力
3. 探索模型推理能力的增强和优化。
4. 推动大模型在搜索、工具调用、多智能体场景下的模型落地
5. 深入研究和探索大模型在ToB企业服务中的更多使用场景,拓展模型的应用范围,如搜索、风控、营销、金融等各类场景
要求
1、硕士研究生及以上学历,计算机科学、人工智能、自然语言处理等相关领域
2、优秀的代码能力、数据结构和基础算法功底,Pytorch熟练,熟悉大模型训练与加速框架诸如Deepspeed/Megatron-LM等
3、良好自驱力和沟通协作能力,能和团队一起探索新技术,推进技术进步
加分项:
有领域顶级会议文章(NeurIPS、ICML、ICLR、CVPR、ICCV、ACL、KDD等)、有编程/AI 比赛获奖(ACM/ICPC、NOI/IOI、Top Coder、Kaggle等)优先
熟悉NLP相关的算法和技术,熟悉大模型预训练、SFT与RL算法者优先

【转正实习】算法工程师-自然语言处理-Agent
描述
1、深入探索LLM Agent在业务场景的落地,推动AI技术在实际应用中的突破
2、Agent研发:
 1)设计并实现基于LLM的业务场景Agent,提升端到端的成功率
 2)探索LLM Reasoning技术(如思维链、多步推理),提升复杂场景Agent能力
 3)构建端到端系统,涵盖意图识别、知识检索、工具调用、结果生成,提升用户体验
3、Agent应用探索:
  1) 探索创新应用场景(如个性化知识助手、自动化RPA工具、Computer Use等),探索技术边界。
  2) 探索Multi-Agent下的通信协议标准化、任务分解机制、记忆/决策模块设计等技术,提升复杂场景下的自主决策效率
要求
1、硕士研究生及以上学历,计算机科学、人工智能、自然语言处理等相关领域;
2、熟悉Agent架构、熟悉Prompt Engineering、熟悉开源Agent框架如Langchain、CrewAI、MetaGPT等。
3、良好自驱力和沟通协作能力,能和团队一起探索新技术,推进技术进步。
加分项:
在ACL/EMNLP/NeurIPS等顶会发表LLM或搜索相关论文;
有开源项目(如LangChain、AutoGPT)贡献或独立AI Agent开发经验;、

#大模型##智能体##蚂蚁##字节##阿里##腾讯##美团##京东#
全部评论

相关推荐

03-21 12:17
已编辑
哈尔滨工业大学 产品经理
Agent(智能体)与LLM(大语言模型)的区别与联系1. Agent的定义Agent(智能体)是一种能够自主感知环境、制定目标、规划行动并执行任务的实体。它通常由多个模块组成,包括:1️⃣感知模块:接收输入(如文本、传感器数据)。2️⃣决策模块:基于目标或规则制定策略(可能依赖LLM或其他模型)。3️⃣记忆模块:存储历史信息或知识。4️⃣执行模块:调用工具或API完成任务(如搜索、计算、控制设备)。Agent的应用场景广泛,例如自动驾驶、智能客服、自动化流程等,强调主动性、持续性和环境交互能力。2. LLM的定义LLM(大语言模型)是一种基于海量文本训练的自然语言处理模型,核心能力是理解和生成文本。例如,GPT-4、Claude等模型擅长文本生成、问答、翻译等任务,但本质上是一个“静态”模型:被动响应:需用户输入触发,无法自主行动。1️⃣无记忆性:默认不保留上下文(需通过技术手段实现)。2️⃣无工具调用能力:需依赖外部系统扩展功能。3. 核心区别1️⃣自主性Agent能主动规划任务并调用工具(如API、搜索引擎),持续与环境交互。LLM仅被动响应用户输入,无法独立决策或执行动作。2️⃣功能范围不同:Agent是多模块系统,整合记忆、推理、工具调用等功能,适用于复杂任务链(如自动化流程)。LLM仅处理文本输入输出,需依赖外部系统扩展功能(如通过插件调用工具)。3️⃣架构与复杂性:Agent是系统级架构,包含感知、决策、执行等组件,需管理动态任务流程。LLM是单一模型,仅作为Agent的“语言处理模块”存在。4. 联系与协作1️⃣LLM可作为Agent的“大脑”:Agent常利用LLM处理自然语言理解、生成和简单推理,例如分析用户意图或生成回复。2️⃣Agent扩展LLM的能力:通过整合记忆、工具调用等模块,Agent使LLM突破纯文本交互的限制,例如AutoGPT调用搜索引擎或API完成任务。总结来说:Agent是“行动者”:具备自主性和系统性,能独立完成复杂任务。LLM是“语言专家”:专注文本处理,需依赖外部系统实现功能扩展。#牛客AI配图神器#  #面试#  #产品经理#  #Ai产品经理#  #牛客激励计划#
点赞 评论 收藏
分享
1. 感知模块(Perception)- 功能:通过传感器、API、文本/语音输入等方式,从环境或用户处获取原始数据。- 关键技术:多模态数据处理(文本、语音、图像)、信号降噪、数据标准化。- 产品视角:需平衡数据采集效率与用户隐私(如明确告知数据用途)。2. 认知与决策模块(Cognition & Decision-Making)- 理解层:自然语言处理(NLP)、计算机视觉(CV)解析输入内容。- 知识库:存储长期记忆(领域知识库、用户画像)和短期记忆(会话上下文)。- 推理与决策:基于规则引擎、机器学习模型(如强化学习)或规划算法生成行动策略。- 产品视角:需关注决策透明性(如可解释性AI)与伦理风险(如避免偏见)。3. 执行模块(Action)- 功能:将决策转化为具体行动,如控制硬件、调用API、生成回复。- 关键技术:动作序列编排、与外部系统集成(如IoT设备)。- 产品视角:需设计容错机制(如执行失败后的回退策略)。4. 学习与优化模块(Learning & Adaptation)- 持续学习:通过用户反馈、在线学习(Online Learning)更新模型。- 自适应机制:动态调整策略(如对话系统根据用户情绪改变语气)。- 产品视角:需平衡模型迭代速度与稳定性(如A/B测试验证新策略)。5. 交互模块(Interaction)- 多模态交互:支持语音、GUI、手势等交互方式。- 对话管理:维护上下文、处理多轮对话跳转(如电商客服的订单追踪)。- 产品视角:注重用户体验设计(如减少交互摩擦、提供情感化反馈)。6. 系统与安全模块(System & Safety)- 资源协调:多任务调度、计算资源分配(如边缘计算优化)。- 安全合规:数据加密、偏见检测、异常行为监控(如自动驾驶的紧急制动)。- 产品视角:需符合行业法规(如GDPR)并建立用户信任。7. 评估与反馈闭环(Evaluation & Feedback Loop) #Ai产品经理#  #AI#  #产品经理#  #产品#  #聊聊我眼中的AI#  #我是XXX,请攻击我最薄弱的地方#  #牛客创作赏金赛#  #牛客激励计划# #牛客AI配图神器#
点赞 评论 收藏
分享
评论
3
4
分享

创作者周榜

更多
牛客网
牛客企业服务