大模型算法工程师｜博士专项

大模型算法工程师 团队介绍 我们是同花顺核心业务集群，是公司最重要的流量入口与现金流支柱。专注服务亿万个人投资者，打造国内领先的一站式智能投资服务平台。以技术 + 数据 + AI为核心驱动，连接个人投资者与专业金融服务，提供覆盖行情、交易、资讯、投顾、理财、基金代销的全场景服务，持续提升用户投资效率与决策质量。自研i问财、AI诊股、智能投顾、虚拟数字人、AI资讯生产等能力，用AI降低投资门槛、提升转化与体验。 岗位方向：大模型Agent 聚焦金融投资全场景，将大模型的自然语言理解、逻辑推理能力与Agent的任务规划、工具调用、多轮交互、自主学习能力深度融合，构建金融垂类下的生产级Agent系统。覆盖投资者需求理解、行情数据解读、投资决策辅助、智能投顾交互、资讯聚合分析、交易策略执行辅助等核心场景，实现“理解用户需求→规划任务路径→调用工具执行→反馈结果优化”的全闭环，让AI成为投资者的专属智能助手，落地真实业务场景、创造实际价值。 工作内容

聚焦金融投资全场景提效与用户体验升级，负责大模型Agent相关算法设计与研发，覆盖用户需求意图识别、投资任务规划、金融工具调用、多轮对话交互、结果反馈优化等核心任务；

构建生产级金融Agent核心能力：需求拆解与任务规划、金融工具调用（行情查询、数据检索、策略回测、资讯聚合等）、上下文记忆与多轮交互管理、结果归因与可解释性、长任务执行与失败恢复、用户意图动态适配等；

深入研究大模型（LLM）与金融垂类数据的结合技术，包括指令微调（SFT）、偏好优化/RL、领域知识注入、推理策略优化等，在数据配比、训练范式、模型结构与推理效率上探索最佳实践，推动Agent在金融场景的效果与性能双提升；

设计面向金融垂类Agent的评测与对齐体系：包括需求理解准确率、任务执行成功率、金融事实一致性、结果可解释性、交互自然度、响应延迟与成本控制等指标，持续提升Agent的可靠性、可控性与可交付性；

与产品、金融业务、工程、测试团队紧密协作，深入理解金融投资业务场景与用户需求，推动Agent能力落地到同花顺核心产品链路（行情、投顾、理财等），实现可持续迭代与规模化应用。

2027届获得博士学历，计算机、软件工程、人工智能、金融科技等相关专业优先；

具备优秀的问题分析与解决能力，能够深入解决大模型Agent在训练、推理、工具调用、业务落地中的复杂问题；

熟悉大模型（LLM）基本原理与关键技术（指令跟随、逻辑推理、上下文管理等），了解金融领域知识者优先，具备将大模型应用于真实业务场景的能力；

熟悉Agent相关机制（任务分解与规划、工具使用与调度、记忆管理、RAG/检索增强、反思与自我修复、可靠性工程等），能设计可上线的金融场景Agent任务闭环；

具备大模型训练/微调经验者优先：金融领域数据构建、指令微调、偏好学习/RL、分布式训练与推理优化等；

工程能力扎实：熟练使用Python / PyTorch（或同类框架），具备良好的代码规范、性能意识与系统化落地能力，能独立完成算法模块的设计与开发。 加分项

有金融垂类大模型或Agent研究、应用经验者优先，尤其是金融数据理解、投资决策辅助、智能投顾相关方向；

对LangChain、AutoGPT、OpenCode等Agent框架原理精通者优先（或对同类工具使用型、交互型智能体框架有深入理解与实践）；

在ICML、ICLR、NeurIPS、ACL、CVPR等顶级会议/期刊以第一作者发表过高影响力成果者优先，研究方向为大模型、Agent相关者更佳；

在ACM/ICPC、NOI/IOI、Kaggle等竞赛中获奖者优先，尤其擅长自然语言处理、大模型应用类竞赛；

主导或参与过具有广泛影响力的AI开源/闭源项目，具备可复用的工程化产出与落地经验者优先，有金融科技类AI项目经验者加分；

熟悉金融市场（股票、基金、理财等），具备一定的金融知识储备，能快速理解金融业务场景者优先。