腾讯金融大模型技术专家
任职要求
1.计算机科学、人工智能、数学或相关专业博士学历，5年以上NLP/语言大模型研发经验； 2.精通Transformer模型及其变种原理与架构，熟悉预训练、微调、对齐、模型蒸馏、量化等技术，熟悉PPO及GRPO等策略优化算法，具备强化学习训练经验优先； 3.熟练掌握Python，…
工作职责
1.负责金融领域大语言模型（LLM）的设计、训练、调优与评估，结合金融场景需求进行模型创新，达到金融场景对深度推理、指令跟随等能力的增强要求，打造行业大模型的标杆； 2.持续跟踪AI大模型领域（如openAI、Llama、Deepseek等）与金融科技的前沿进展，探索技术突破方向，指导团队技术发展路径； 3.优化大模型推理效率，解决金融场景中高并发、低延迟、高稳定性的挑战。
1. 行业解决方案设计与交付 - 基于阿里云大模型技术（如通义千问），为银行、保险、证券等金融客户量身定制AI大模型解决方案，覆盖AI财富助手、智能客服、智能风控等核心场景。 - 深入理解客户业务痛点，提供从需求分析、技术选型到方案落地的全流程支持，确保大模型技术与金融业务深度融合。 2. 大模型全生命周期技术赋能 - 主导客户侧大模型后训练（Post-training）、领域微调（Domain-specific Fine-tuning）、模型蒸馏（Distillation）及多模态融合优化，提升模型在金融垂直场景的精度及性能。 - 优化大模型训练与推理性能，包括分布式训练加速（如DeepSpeed、Megatron-LM）、显存优化、量化压缩（INT8/FP16）及低延迟推理部署（如vLLM、SGLang）等。 3. 工程化落地与性能调优 - 解决金融场景高并发、高稳定性需求，设计高性能计算架构，优化模型在GPU/TPU集群的训练效率及端到端推理链路。 - 结合金融行业数据隐私与安全要求，设计符合监管的模型部署方案。 4. 客户技术赋能与生态共建 - 面向客户技术团队提供大模型技术培训、实战工作坊及POC验证，推动AI能力在客户内部的规模化应用。 - 沉淀金融行业大模型最佳实践，输出白皮书、案例研究及标准化解决方案，提升阿里云在金融AI领域的市场影响力。
1. 行业解决方案设计与交付 - 基于阿里云大模型技术（如通义千问），为银行、保险、证券等金融客户量身定制AI大模型解决方案，覆盖AI财富助手、智能客服、智能风控等核心场景。 - 深入理解客户业务痛点，提供从需求分析、技术选型到方案落地的全流程支持，确保大模型技术与金融业务深度融合。 2. 大模型全生命周期技术赋能 - 主导客户侧大模型后训练（Post-training）、领域微调（Domain-specific Fine-tuning）、模型蒸馏（Distillation）及多模态融合优化，提升模型在金融垂直场景的精度及性能。 - 优化大模型训练与推理性能，包括分布式训练加速（如DeepSpeed、Megatron-LM）、显存优化、量化压缩（INT8/FP16）及低延迟推理部署（如vLLM、SGLang）等。 3. 工程化落地与性能调优 - 解决金融场景高并发、高稳定性需求，设计高性能计算架构，优化模型在GPU/TPU集群的训练效率及端到端推理链路。 - 结合金融行业数据隐私与安全要求，设计符合监管的模型部署方案。 4. 客户技术赋能与生态共建 - 面向客户技术团队提供大模型技术培训、实战工作坊及POC验证，推动AI能力在客户内部的规模化应用。 - 沉淀金融行业大模型最佳实践，输出白皮书、案例研究及标准化解决方案，提升阿里云在金融AI领域的市场影响力。
1.主导金融行业的大模型解决方案设计，输出包含以下要素的完整方案：技术可行性（模型选型/微调策略/合规方案）、成本效益分析（计算/云资源规划）； 2.面向金融机构决策层，主持大模型战略级技术宣讲，针对董事会级会议定制技术叙事框架，将模型参数、训练成本等专业概念转化为商业价值语言； 3.解决客户场景中的高阶技术问题； 4.构建我司在金融行业大模型领域的影响力，负责与合作伙伴联合设计行业解决方案白皮书等。
-数据库质量保证策略设计 -基于数据库内核架构（如事务引擎、存储管理、并发控制等），设计覆盖功能、性能、稳定性、安全性和灾难恢复的综合性测试策略 -针对极端场景（如硬件故障、网络分区、超大规模数据压力）和大事务/高并发场景，构建破坏性测试和压力测试模型 -测试用例开发 -编写自动化测试脚本（如Python/Perl/Shell/C++），覆盖SQL语法、事务隔离级别、锁机制、备份恢复等核心功能 -自动化测试工具以及测试用例管理平台的开发和管理工作。 使用各种测试工具和技术，自动化测试，记录和分析测试结果，并跟踪和验证缺陷 -编写测试报告和文档： 清晰准确地记录测试过程、结果和分析，编写测试报告和相关文档 -设计复杂场景测试用例，例如：极端压力测试：模拟百万级并发事务、TB级数据量下的系统稳定性；破坏性测试：强制断电、磁盘I/O错误注入、内存溢出等异常场景；边界条件测试：验证索引深度、页分裂、日志写满等临界值场景 -性能分析与调优 -使用工具（如sysbench、tpcc、tpch、自定义基准测试）分析查询执行计划、锁竞争、I/O瓶颈 -结合内核日志（如InnoDB redo log、PostgreSQL WAL）定位性能问题，推动优化方案落地 -缺陷管理与协作 -搭建测试环境（含多节点集群、混合负载），复现并跟踪内核级Bug（如死锁、数据不一致） -与开发团队紧密合作，提供Root Cause Analysis（RCA）支持，参与代码审查，提供测试反馈，协助开发人员定位和修复问题，推动内核代码修复 -技术预研与创新 -探索新技术（如向量化查询、持久内存、分布式事务）的测试方法 -开发定制化测试工具（如混沌工程平台、自动化故障注入系统）