公司简介：
蚂蚁集团是支付宝（杭州）信息技术有限公司旗下品牌。蚂蚁集团起步于2004年诞生的支付宝，源于一份为社会解决信任问题的初心，经过十九年的发展，已成为世界互联网开放平台。我们通过科技创新，助力合作伙伴，为消费者和小微企业提供普惠便捷的数字生活及数字金融服务；持续开放产品与技术，助力企业的数字化升级与协作；在全球广泛合作，服务当地商家和消费者实现“全球收”、“全球付”和“全球汇”。在招职位如下：
智能体与大模型应用工程
工作城市：重庆
薪资：6k-12k
学历要求：本科,硕士,博士
岗位性质：实习
岗位描述：
薪资：6k-12k
学历要求：本科,硕士,博士
岗位性质：实习
岗位描述：
Job De scription
聚焦核心业务场景，利用Agent等前沿技术推动AI落地。你将参与从需求洞察到系统构建的全流程，通过研发智能应用与工具，提升业务效率与效果，实现技术驱动业务增长的完整闭环，推动智能规模化演进，实现技术价值转化。
具体职责包括以下相关方向的一项或多项：
1. 需求理解与归因。深入业务场景，利用数据挖掘与特征分析完成现象归因；精准识别高价值问题，将模糊的业务痛点转化为明确的 AI 解决目标。；
2. 架构设计。面向具体业务需求，设计 AI 原生系统架构；参与 Agent 系统核心模块的规划，包括记忆管理、推理策略与工具编排，兼顾架构的灵活性、可扩展性与工程可落地性；
3. 知识与环境构建。搭建AI与现有业务系统的交互环境，涵盖 API 接入、RAG 知识库构建、记忆方案设计；持续优化召回质量与上下文注入策略，为模型提供准确、及时的执行环境与知识支撑；
4. 核心能力实现。负责Agent关键模块的工程落地，实现意图识别、任务拆解与反思纠错闭环；封装标准化SDK/API服务，构建Agent观测体系，实现全链路追踪与多维归因分析；
5. 系统迭代与演进。建立搭建自动化评测与回测机制，通过调优与Case分析不断收敛效果与性能提升的最优路径；沉淀方法论与可复用组件，推动 AI 能力从单点验证走向规模化落地；
6. 性能优化。优化高并发场景下的系统性能，通过异步处理与降级策略保障稳定性，通过低侵入性观测手段保障系统的长期稳定运行。
Job Requirement
基础条件
1. 计算机、软件工程、人工智能等相关专业优先。
专业能力
1. AI编程工具重度玩家：Cursor、Claude code等AI编程工具重度或顶级玩家，具备极强的Prompt编写与调优能力，有过完整的项目级开发经验，理解如何让AI写出生产级代码。
2. 大模型能力理解与掌握：理解主流LLM的能力与局限，能够清晰拆解任务并通过LLM或确定性逻辑兜底实现；熟悉主流大模型的应用范式(Context Engineering、Prompt Engineering、Agent、工具/函数调用等等)及主流Agent框架(如LangChain等)，具备大模型幻觉、Prompt注入等风险的工程化应对思路。
3. 扎实的代码和工程能力：具备扎实的计算机基础知识，深入理解数据结构、算法、网络和操作系统等相关知识，能至少在一种主流编程语言（如 Java / Python / JS 等）上有深度的实践经验，掌握常见工程实践并具备优秀的Coding 能力，能够根据场景灵活选型并快速上手。
能力特质
1. 学习能力： 具备快速啃透前沿论文（Paper）的能力，并能将理论知识转化为工程代码。
2. 开放性与动手能力： 拒绝纸上谈兵，有自己独立完成的小项目（开源项目或个人 Demo），展现极客精神。
3. 好奇心与想象力： 面对未知事物有独特的想法，具备敏锐的问题定义能力和坚韧的解决问题能力。
4. 审美追求： 技术亦有审美，鼓励你提出能提出打动人心、简洁优雅的好想法。
5. 高能动性： 具备强烈的自驱力，能够主动探索边界，而不是等待被分配任务。
加分项
1. 有AI应用或Agent实际落地经验：包括不限于RAG系统、多智能体编排、结合MCP、Skill等的Agent项目，有可展示的项目/实习成果者优先。
2. 开源贡献或技术影响力：在Github上有高质量AI项目、技术博客或社区影响力。
3. 对AI Infra有基本理解：了解vLLM、Ollama等推理框架原理，理解延迟优化、KV cache优化、流式输出等工程全局视角。
在NLP或CV方向有扎实的理论基础，有实际业务场景模型训练(SFT、RL)等经验的优先。
聚焦核心业务场景，利用Agent等前沿技术推动AI落地。你将参与从需求洞察到系统构建的全流程，通过研发智能应用与工具，提升业务效率与效果，实现技术驱动业务增长的完整闭环，推动智能规模化演进，实现技术价值转化。
具体职责包括以下相关方向的一项或多项：
1. 需求理解与归因。深入业务场景，利用数据挖掘与特征分析完成现象归因；精准识别高价值问题，将模糊的业务痛点转化为明确的 AI 解决目标。；
2. 架构设计。面向具体业务需求，设计 AI 原生系统架构；参与 Agent 系统核心模块的规划，包括记忆管理、推理策略与工具编排，兼顾架构的灵活性、可扩展性与工程可落地性；
3. 知识与环境构建。搭建AI与现有业务系统的交互环境，涵盖 API 接入、RAG 知识库构建、记忆方案设计；持续优化召回质量与上下文注入策略，为模型提供准确、及时的执行环境与知识支撑；
4. 核心能力实现。负责Agent关键模块的工程落地，实现意图识别、任务拆解与反思纠错闭环；封装标准化SDK/API服务，构建Agent观测体系，实现全链路追踪与多维归因分析；
5. 系统迭代与演进。建立搭建自动化评测与回测机制，通过调优与Case分析不断收敛效果与性能提升的最优路径；沉淀方法论与可复用组件，推动 AI 能力从单点验证走向规模化落地；
6. 性能优化。优化高并发场景下的系统性能，通过异步处理与降级策略保障稳定性，通过低侵入性观测手段保障系统的长期稳定运行。
Job Requirement
基础条件
1. 计算机、软件工程、人工智能等相关专业优先。
专业能力
1. AI编程工具重度玩家：Cursor、Claude code等AI编程工具重度或顶级玩家，具备极强的Prompt编写与调优能力，有过完整的项目级开发经验，理解如何让AI写出生产级代码。
2. 大模型能力理解与掌握：理解主流LLM的能力与局限，能够清晰拆解任务并通过LLM或确定性逻辑兜底实现；熟悉主流大模型的应用范式(Context Engineering、Prompt Engineering、Agent、工具/函数调用等等)及主流Agent框架(如LangChain等)，具备大模型幻觉、Prompt注入等风险的工程化应对思路。
3. 扎实的代码和工程能力：具备扎实的计算机基础知识，深入理解数据结构、算法、网络和操作系统等相关知识，能至少在一种主流编程语言（如 Java / Python / JS 等）上有深度的实践经验，掌握常见工程实践并具备优秀的Coding 能力，能够根据场景灵活选型并快速上手。
能力特质
1. 学习能力： 具备快速啃透前沿论文（Paper）的能力，并能将理论知识转化为工程代码。
2. 开放性与动手能力： 拒绝纸上谈兵，有自己独立完成的小项目（开源项目或个人 Demo），展现极客精神。
3. 好奇心与想象力： 面对未知事物有独特的想法，具备敏锐的问题定义能力和坚韧的解决问题能力。
4. 审美追求： 技术亦有审美，鼓励你提出能提出打动人心、简洁优雅的好想法。
5. 高能动性： 具备强烈的自驱力，能够主动探索边界，而不是等待被分配任务。
加分项
1. 有AI应用或Agent实际落地经验：包括不限于RAG系统、多智能体编排、结合MCP、Skill等的Agent项目，有可展示的项目/实习成果者优先。
2. 开源贡献或技术影响力：在Github上有高质量AI项目、技术博客或社区影响力。
3. 对AI Infra有基本理解：了解vLLM、Ollama等推理框架原理，理解延迟优化、KV cache优化、流式输出等工程全局视角。
在NLP或CV方向有扎实的理论基础，有实际业务场景模型训练(SFT、RL)等经验的优先。
具身智能大模型-SLAM算法
工作城市：北京
薪资：12k-13k
学历要求：硕士,博士
岗位性质：实习
岗位描述：
薪资：12k-13k
学历要求：硕士,博士
岗位性质：实习
岗位描述：
岗位职责：
1.学历与经验：
-博士优先，机器人学/计算机视觉相关专业，***SLAM算法研发经验；
-至少1篇SLAM顶会论文（ICRA/IROS/CVPR）或开源项目核心贡献者（需提供论文/代码链接）。
2. 核心技术能力：
-精通学习型SLAM技术栈：掌握SuperGlue、DROID-SLAM、GS-SLAM等前沿框架；
- 深入多模态融合理论：熟悉紧耦合优化、卡尔曼滤波、图优化 （g20/Ceres）；
-双目深度计算专精：掌握双目校正、视差优化、立体匹配加速技术（如CUDA并行化）。
3. 工具链掌握：
-熟练使用PyTorch、Open3D、ROS2，具备C++17/Python高性能算法实现能力。
岗位职责：
多模态SLAM算法研发
-研发视觉/IMU多传感器融合SLAM（如FAST-LIO2、VINS-Fusion），突破动态场景亚米级定位精度，支持机器人实时导航与避障。
-主导深度学习特征替代传统方法：设计基于SuperPoint、R2D2等学习型特征的匹配框架，提升纹理缺失/光照变化场景的鲁棒性。
-开发语义SLAM系统：融合YOLOV5s/SEEM等轻量检测分割模型，实现动态物体过滤与语义地图构建（如DynaSLAM改进方案）。
1.学历与经验：
-博士优先，机器人学/计算机视觉相关专业，***SLAM算法研发经验；
-至少1篇SLAM顶会论文（ICRA/IROS/CVPR）或开源项目核心贡献者（需提供论文/代码链接）。
2. 核心技术能力：
-精通学习型SLAM技术栈：掌握SuperGlue、DROID-SLAM、GS-SLAM等前沿框架；
- 深入多模态融合理论：熟悉紧耦合优化、卡尔曼滤波、图优化 （g20/Ceres）；
-双目深度计算专精：掌握双目校正、视差优化、立体匹配加速技术（如CUDA并行化）。
3. 工具链掌握：
-熟练使用PyTorch、Open3D、ROS2，具备C++17/Python高性能算法实现能力。
岗位职责：
多模态SLAM算法研发
-研发视觉/IMU多传感器融合SLAM（如FAST-LIO2、VINS-Fusion），突破动态场景亚米级定位精度，支持机器人实时导航与避障。
-主导深度学习特征替代传统方法：设计基于SuperPoint、R2D2等学习型特征的匹配框架，提升纹理缺失/光照变化场景的鲁棒性。
-开发语义SLAM系统：融合YOLOV5s/SEEM等轻量检测分割模型，实现动态物体过滤与语义地图构建（如DynaSLAM改进方案）。