算法工程师

到岗时间：不限 婚况要求：不限 1. 工作内容 负责公司金融垂类大语言模型的微调与优化，包括 LoRA、QLoRA、SFT、DPO、RLHF 等高效微调方案的设计、实验和工程落地，提升模型在投研、行情分析、行业研究、策略解释等金融场景中的表现。 负责构建高质量训练数据集，围绕研报、公告、新闻、会议纪要、主观投研数据、量化数据、论坛内容等多源数据，设计数据清洗、标注、筛选、去重、格式化和版本管理流程。 负责训练数据、检索数据和评测数据的 Pipeline 设计与建设，持续提升数据质量，形成可复用、可迭代、可评估的数据生产体系。 参与多智能体协作系统的设计与开发，优化 Agent 的推理链路、工具调用、记忆机制、角色设定、任务拆解和协作逻辑，提升 Agent 在复杂投研任务中的稳定性和可信度。 负责模型评估体系建设，从回答准确性、事实一致性、引用准确率、召回率、工具调用成功率、推理延迟、成本、用户满意度等多个维度监控模型效果。 参与 RAG、知识图谱、金融实体体系、语义检索和引用生成能力建设，提升模型回答的可解释性、可追溯性和业务可信度。 参与 MLOps 平台建设，推动模型训练、评测、部署、监控、回滚和版本管理流程标准化、自动化，支持模型能力持续迭代。 跟踪大模型、Agent、金融 NLP、RAG、知识图谱、多模态和小模型部署等前沿技术发展，将最新研究成果转化为可落地的产品能力。 2. 任务要求 硕士及以上学历，计算机、人工智能、数学、统计学、金融工程、数据科学等相关专业优先。 3 年以上机器学习、NLP、大模型、搜索推荐、数据科学或 AI 应用相关实战经验。 熟悉大语言模型微调技术，有 LLaMA、Qwen、DeepSeek、Baichuan、ChatGLM 等主流开源模型的微调、评测或部署经验。 熟练使用 PyTorch、Transformers、PEFT、DeepSpeed、Accelerate 等深度学习框架和训练工具，了解分布式训练、显存优化和推理加速相关原理。 具备扎实的 NLP 和大模型基础，理解 Transformer 架构、注意力机制、embedding、RAG、rerank、prompt engineering、function calling、Agent workflow 等核心概念。 具备较强的数据处理和实验设计能力，能够独立完成数据清洗、样本构造、模型训练、效果评估和实验复盘。 编程能力强，熟练掌握 Python，具备良好的工程习惯，包括版本管理、代码规范、实验记录、单元测试和文档沉淀。 具备较强的问题拆解能力和业务理解能力，能够将金融产品需求转化为可执行的模型方案、数据方案和评估方案。 对金融、股票、投研、量化、宏观、行业研究等方向有兴趣，有金融 NLP、投研系统、量化研究、研报分析、金融搜索经验者优先。 博士学历，计算机、人工智能、机器学习、自然语言处理、数学、统计学、金融工程、数据科学等相关专业优先；在大模型、NLP、RAG、Agent、知识图谱、搜索推荐等方向具备扎实研究积累，有 ACL、EMNLP、NeurIPS、ICLR、ICML、KDD、AAAI、WWW、SIGIR 等顶会一作或核心作者论文者优先。 3. 特别说明 这是一个偏核心算法和模型能力建设的岗位，不是单纯跑模型或调参数。候选人需要参与公司金融垂类大模型、Agent 系统、训练数据体系、评测体系和 MLOps 流程的整体建设。 公司正在做的是面向 AI 时代的金融投研基础设施，模型不仅要会回答问题，还要能理解金融语境、调用工具、引用证据、进行推理、参与多 Agent 协作，并在真实产品场景中稳定运行。 我们更看重候选人把研究能力转化为产品能力的能力。既要理解 LoRA、QLoRA、DPO、RLHF、RAG、Agent 等技术，也要能判断哪些方案适合当前阶段落地，哪些方案成本高、风险大、需要延后。 如果候选人有 RLHF / DPO 对齐经验、Agent 框架开发经验、知识图谱经验、金融 NLP 经验，或者在 ACL、EMNLP、NeurIPS、ICLR、KDD 等会议发表过相关论文，会非常加分。 这个岗位会直接影响公司模型能力的上限、Agent 产品体验、融资 demo 的技术说服力，以及后续金融垂类模型路线。我们希望候选人既有扎实技术深度，也有很强的工程落地意识。