数据技术及产品部-大模型RL Data工程师-金融财会（Finance & Accounting）

主导大模型「金融财会」方向的数据体系建设，覆盖数据生产、模型评测与质量管控全链路，定义模型在财务、会计、审计、税务、金融分析等场景下的能力边界，构建高质量、可验证、可复现的标注与评测数据集。金融财会可验证性强——会计恒等式、报表勾稽关系、税法规则、会计准则等均有客观标准，既适合规模化数据生产与自动判分评测，也对数字精度与合规零容忍。具体包括：

1. 01

   能力体系与标准制定：完成金融财会能力维度拆解（财报分析与编制、账务处理与对账、税务申报与筹划、审计底稿与核查、估值与财务建模、金融数据分析、合规判断）、任务难度分级、标注规范与评分标准，制定 rubric 与金标准，沉淀查重去污、难度校准、一致性审核的可复用工具链。

2. 02

   数据生产与标注：设计贴近真实财务工作流的任务与实例，共建 rubric，组织专家标注与示范，产出金标准与失败案例；覆盖财报/对账/发票/税务/审计底稿/估值/研报等场景，将领域经验转化为可用于 SFT、偏好学习与可验证奖励训练的高质量数据。

3. 03

   模型评测建设：设计可自动核验的评分机制（对账勾稽、税额计算、准则符合性等），并构建端到端 Agentic 评测——覆盖 Excel/ERP、金融数据终端、数据库与 MCP 工具调用、多步财务流程执行；重点检出数字精度错误、幻觉与合规风险，推动任务从「单点问答」向「复杂真实财务场景」演进。

4. 04

   质量管控与质检：建立双标注一致性校验、资深专家抽检、难度标定校准、查重去污与一致性审核机制；对 bad case 做根因分析（数据 / rubric / verifier / 实例），并将结论回流到数据生产与评测标准，保证结果可信、可复现、可追溯。

5. 05

   数据基础设施共建：与工程团队共建支撑大规模金融财会标注与自动化评测的基础设施（数据管线、评测框架、沙箱 / 容器化环境），推进可自动判分的数据资产沉淀。

6. 06

   行业跟踪与跨团队协同：持续关注金融财会大模型与 Agent 方向动态；将评测洞察转化为模型改进方向（数字精度、准则理解、合规可靠性），并与研究、工程及业务团队协作落地。

1. 01

   金融、会计、财务、审计、税务、经济、金融工程或相关专业本科及以上学历，对金融财会领域大模型的能力边界有判断，能将真实财务任务转化为可标注、可评测的数据；持有 CPA / CFA / ACCA / 税务师等资质，或有会计师事务所、企业财务、金融机构从业经验者优先。

2. 02

   精通财务报表分析、会计准则（CAS / IFRS / US GAAP）、税务、审计中的至少一个方向，理解实务中的关键失效点与合规红线，能将模糊的财务问题抽象为结构化评测维度与可验证结论。

3. 03

   熟练使用 Excel 与财务建模工具，具备 Python / SQL 数据处理、统计分析与可视化能力；了解主流大模型推理服务，以及金融数据终端（Wind / Bloomberg / Choice）、ERP 系统（SAP / Oracle / 用友 / 金蝶）与 MCP 工具调用的使用方式与工程约束。

4. 04

   了解 Agent 核心机制（ReAct、Tool Use、Planning、多步推理与反思）与后训练范式（SFT / RLHF / 可验证奖励 RL、RLVR），对金融财会类 Agent 的能力边界（数字幻觉、精度误差、准则误用、合规风险）有认知或实践。

5. 05

   有以下经验者优先：数据生产 / 标注 / 质检体系搭建、rubric 设计、benchmark 构建、自动评分器开发、财务实操、估值与量化分析、财务流程自动化（RPA）。

6. 06

   严谨细致、对数字高度敏感，具备强合规与保密意识；优秀的技术写作与沟通能力，能向研究、工程与业务团队清晰传达评测思路，产出高质量的标注规范、评测方案与分析报告。