大模型后训练算法工程师（博士专项）-2027校招

支持金融业务场景中大模型与智能体技术的落地应用，主要方向包括：

1. 01

   智能取数 ChatBI ： 参与 Text-to-SQL / NL2Query 链路建设，包括语义建模、Schema Linking、查询生成与结果校验； 建设金融指标体系与语义层，支持指标口径解析、多表关联查询与复杂统计计算；

2. 02

   生成式推荐： 参与大模型驱动的推荐算法研发，包括用户兴趣表征、商品/内容表征与跨域知识融合； 探索 LLM 在推荐链路中的应用：意图理解、候选生成、排序解释与推荐理由生成；

3. 03

   多 Agent 协作框架： 参与通用多 Agent 框架的算法设计与工程实现，包括任务规划、角色分工、工具调用与消息编排； 建设 Agent 记忆系统（短期上下文 + 长期知识沉淀）与检索增强（RAG）能力；

4. 04

   其他 参与各项目的数据构建、评测体系设计与技术文档撰写； 跟踪前沿学术进展（LLM、Agent、推荐系统），输出技术调研与可行性分析。

1. 01

   计算机科学、人工智能、软件工程、数学、统计等相关专业在读硕士或博士；

2. 02

   具备 LLM 应用开发基础：熟悉 Prompt Engineering、RAG、Function Calling、Agent 等核心概念，有实际的 LLM 应用开发或微调经验；

3. 03

   了解推荐系统、自然语言处理或数据库查询的基础知识，至少在一个方向有实操经验；

4. 04

   良好的沟通协作能力，能将技术方案清晰表达给非技术背景的业务同学。

加分项

1. 01

   在 AI 相关顶会 / 顶刊以第一作者或主要贡献者身份发表过论文；

2. 02

   有 LLM、Agent、推荐系统、NL2SQL 相关的学术研究成果或实际项目贡献。