大模型训练算法专家

Job description

岗位职责

大模型基座引入与优化

• 跟踪前沿大模型技术动态，评估并引入适合金融领域的基座大模型（如deepseek、Qwen等）。

金融垂类模型训练与调优

• 研发数据合成技术，利用金融领域高质量数据生成高质量训练集。基于金融业务场景，设计并实施领域适配的后训练方案，包括但不限于SFT、RL等，确保模型具备金融专业知识与业务理解能力。

训练算法工具化与平台建设

• 持续跟进与实践最新的后训练算法，将行业领先的训练算法（如SFT/DPO/GRPO等）封装为标准化工具，降低技术使用门槛，提升团队研发效率。构建完整的大模型训练与评估平台，支持从数据准备、模型训练到性能评估的全链路工作。研究模型训练和推理优化技术，包括高效训练框架、模型小型化（稀疏化、压缩、剪枝、蒸馏）等，确保技术方案的成本效益与可扩展性。

技术研究、团队引领与落地推动

• 跟踪大模型领域最新研究成果，特别关注金融垂类模型的前沿进展，定期输出技术研究报告。领导模型训练方向，开展研发工作，制定技术路线图，指导团队成员解决关键技术难题。与业务和开发部门紧密合作，理解金融业务需求，将大模型技术转化为实际业务价值。 任职资格

教育背景

• 计算机科学、人工智能、数学、统计学或相关专业硕士及以上学历，NLP/知识图谱/机器学习/视觉图像/语音视频等优先。

技术能力

• 精通Python编程语言，熟悉常用数据结构和算法，具备优秀的工程实现能力，熟悉AI code优先。熟悉常用的机器学习、深度学习或者强化学习相关算法，对Transformer架构、gpt/deepseek等主流大模型底座有深入理解。同时具有金融业务知识优先。

工作经验

• 从事AI算法研发相关经验5年以上，具有大模型训练（预训练或后训练）、智能体训练相关实际落地经验。在强化学习、NLP、知识图谱、LLM、对话机器人、多模态、语音、大模型、AIGC、内容建模、用户建模上有丰富的应用落地经验者优先。同时具有金融项目或者业务经验优先。

其他

• 在AI/ML顶级会议（NeurIPS、ICML、ACL等）发表过相关论文，或顶级AI竞赛获奖，或参与过知名开源大模型项目贡献者优先。