大模型算法工程师

1. 01

   金融大模型训练与对齐：主导金融投资大模型的持续预训练、指令微调（SFT）与偏好对齐（RLHF/DPO），攻克金融幻觉、长文推理、知识时效性等核心难题，打造兼具广度与深度的投资大脑。

2. 02

   投研智能体架构设计与实现：设计多智能体协作框架，融合工具调用（Function Call）、代码解释器、长短期记忆和反思机制，让智能体自主完成深度因子挖掘、产业链推演、另类数据解读等复杂投研任务。

基础要求： 大模型实战：熟悉Transformer及其变体，有一线预训练、SFT、RLHF实战经验，熟练使用PyTorch、DeepSpeed、Megatron等框架。 智能体方向：深入理解Agent技术栈，有LangChain、LangGraph、AutoGPT、AutoGen等项目落地经验，对ReAct、Tree-of-Thoughts等前沿范式保持敏锐。 量化金融素养：系统掌握多因子模型、资产定价、风险预算、组合优化（均值-方差、风险平价、Black-Litterman）等理论，能用代码落地。 工程与自驱力：优秀工程能力和代码品味，善于拆解模糊问题，具备快速学术调研与攻坚精神。 加分项： 有金融大模型（FinGPT、BloombergGPT等）或垂直领域大模型训练经验； 在智能体、金融NLP、时间序列预测方向有顶会/顶刊论文（ACL、NeurIPS、ICML、KDD、Journal of Finance等）； 持有CFA、FRM等专业资质，或有实盘量化/资管经验； 深入理解知识图谱、RAG、GNN并用于投资推理； 对技术极致追求，同时怀有强烈金融普惠情结。