大模型算法工程师-智能投顾方向

大模型技术研发与优化 负责面向智能投顾场景的大模型选型、微调（LoRA/QLoRA 等）与性能优化，解决金融文本理解（如客户需求、研报解读）、投资逻辑生成、风险话术合规等问题； 优化大模型推理效率，适配高并发投顾咨询场景，保障响应时延≤500ms，准确率≥92%； 探索大模型与传统量化模型的融合方案（如用大模型提取非结构化数据特征，辅助因子构建）。

智能投顾核心场景算法落地 设计并实现 “客户画像 - 风险测评 - 资产配置 - 方案推荐” 全流程算法模型，例如基于大模型的客户风险偏好动态识别（结合持仓、交易行为、文本咨询记录）、跨资产类别配置模型（股票 / 基金 / 债券 / 另类资产）； 搭建投后监控算法体系，用大模型实时分析市场舆情、政策变动对客户组合的影响，触发调仓预警或风险提示；

金融数据处理与合规保障 处理多源金融数据（结构化：行情 / 持仓 / 财报；非结构化：研报 / 新闻 / 监管文件），完成数据清洗、特征工程与合规校验； 建立算法合规审查机制，确保大模型输出的投资建议不涉及 “保本承诺”“误导性表述”，并留存算法决

技术调研与团队协作 跟踪大模型（如 GPT-4、通义千问、LLaMA 系列）与金融科技前沿技术（如联邦学习、知识图谱），输出技术可行性报告； 与投研团队、风控团队、产品团队协作，理解业务需求（如高净值客户定制化配置、普惠型投顾产品），将需求转化为算法方案并验证效果。