【Plan A】大模型后训练-金融智能-27届

1. 01

   面向投研、估值和金融建模等真实工作流，将金融专家的分析过程表示为可执行、可审计的长程推理轨迹；

2. 02

   研究多源信息检索与交叉验证、时序一致性、数值推理、可信度控制、可验证奖励与长程信用分配，并通过 Agentic RL、Multi-Teacher On-Policy Distillation（MOPD）等方法，推动金融专项能力与通用推理能力协同演进。

1. 01

   深入理解大模型训练框架和推理引擎的基本原理，熟悉底层框架基本架构和实现原理；

2. 02

   了解业界主流语言大模型相关基础结构和优化方法；

3. 03

   熟悉GPU，存储，分布式集群等相关基础知识；

4. 04

   熟悉大模型基本后训练流程以及相关算法原理；

5. 05

   能从第一性原理建模问题，有较好的动手能力；

6. 06

   有较好的团队协同能力，思路敏捷，沟通效率。

加分项

1. 01

   有100B MOE模型以上的后训练时间经验；

2. 02

   有强化学习，SFT，OPD相关的顶会论文发表；

3. 03

   有训练，推理，评测效率优化以及与算法协同开发经验；

4. 04

   有agent Harness相关经验，超长上下文管理等能力的实践与优化经验；

5. 05

   有跨学科背景（数理化生 / 金融 / 法律等）；

6. 06

   各类高水平竞赛金牌选手。