蚂蚁集团-Agent后训练工程师-杭州/上海

业务背景 资金风控系统面临黑灰产的大量攻击。为了提升风控水位和用户体验，我们通过语言、多模和语音交互方式获得用户的交易背景信息，分析用户面临的风险，通过个性化推荐叫醒深度被骗用户。数据源包含千万级的文、图、音和结构化多模态数据。Agent方案涉及到多样性用户模拟、ProactiveChat、Multi-turnRL、长记忆压缩、多模态表征学习等AI难点。 职位描述 1、多样性用户模拟，用于训练、测试数据的生成以及多轮RL的轨迹生成。 2、APO技术，开源基座模型的复杂指令遵循能力有待提升，通过APO精简prompt。 3、多轮RL后训练，优化reward shaping以及轮次奖励方法提升RL稳定性。 4、欺诈叫醒手法素材库建设，利用举报案件库中通过算法聚类和图文生成方法建设有针对性的素材。 5、用户行为理解，通过用户行为和举报案件特征的表征匹配，实现个性化的素材推荐。 【任职要求】 1、有大模型后训练经验，SFT、DPO、GRPO等。 2、有智能体Tool调用、记忆压缩的优化经验。 3、熟练掌握PyTorch、Tensorflow开发工具。 4、在ACL、EMNLP、ICML等顶会有论文发表者优先。