算法工程师（大模型微调 / 强化学习）

1. 负责大模型后训练核心工作，参与核心算法研究与重难点技术攻关，主导金融垂域投研、投资、投顾、风控等场景大模型训练优化；​ 2. 负责跟进业界文本 / 多模态预训练、强化学习、推理增强模型等前沿技术与方法，基于公司重点业务场景需求及企业知识库，研发行业领先的企业级大模型；​ 3. 参与训练平台建设，涵盖分布式训练、混合精度训练、DeepSpeed 优化等核心模块，打造高效的模型训练、优化、测评及推理部署流水线；​ 4. 负责完善模型评估体系，量化评估模型训练效果及生产环境下的泛化能力；​ 5. 负责建设并持续优化模型预训练、微调、强化学习相关的语料库与数据集，搭建生产级优化数据闭环；​ 6. 参与企业级大模型训练方案与技术路线规划，制定相关技术应用规范。​

1. 计算机科学、数学、统计学或相关领域的硕士或博士；​ 2. 至少 2 年大语言模型或多模态大模型训练相关研究或工作经验；​ 3. 具有百亿及以上参数级模型后训练经验，具备使用大规模数据集开展分布式训练的实践经验； 4. 掌握模型量化、蒸馏、LoRA、MoE 等技术，​熟悉大模型后训练核心算法（如 CPT、SFT、DPO、PPO、GRPO、RLHF 等）；​ 5. 熟练掌握 PyTorch、HuggingFace、DeepSpeed、FSDP 等模型开发与训练工具；​ 6. 具备大规模行业训练语料库建设经验，熟悉指令集设计、复杂数据标注与合成方法；​ 7. 具备模型工程化落地能力，了解推理加速、模型压缩与部署技术，能配合推理团队完成模型上线落地；​ 8.具备方法论沉淀、跨团队协作及项目主导能力。 加分项​ 1. 在计算机、AI 、数学等领域顶会有专业论文发表或国内外计算机、数学竞赛获奖经历；​ 2. 具有金融行业（券商、基金、量化机构等）场景大模型训练落地经验；​ 3. 主导或深度参与垂域大模型建设项目经历；​ 4. 参与过知名商业大模型算法研发（如 智谱、文心一言、阿里通义等）或开源项目经历；​ 5. 具有国产 GPU 集群应用、训练、调优经验。