腾讯金融风控算法开发高级工程师
任职要求
1.计算机科学、统计学、数学或相关专业本科及以上学历； 2.拥有基于分布式AI平台的算法建模经验，熟悉常用的机器学习算法、pytorch。tensorfow等深度学习框架； 3.熟练掌握hive、spark等大数据分析平台，具备良好的数据处理能力； 4.具备扎实的编程基础，熟练掌握Python、Java等编程语言； 5.在海量用户场景下进行过大数据挖掘、AI算法建模的项目经验； 6.具有良好的问题解决能力和创新思维，能够独立承担项目任务； 7.具备…
工作职责
1.参与金融风控大模型方案的设计、研发和优化。利用大模型技术，研发融合海量金融风控场景特征+样本+模型知识的通用基座大模型，提升大模型在金融场景的风险识别效果； 2.参与金融风控大模型预训练、后训练与上线部署，提升大模型落地效率和效果； 3.响应客户需求，协助完成大模型风控建模需求，确保模型在不同金融场景中的高效适配； 4.分析和处理大规模金融数据，提取有效特征以支持大模型训练和评估； 5.与团队成员合作，撰写行业标准和技术文档，分享研究成果和最佳实践，持续提升大模型行业影响力； 6.跟踪金融科技、大模型和机器学习领域的最新进展，持续提升大模型性能和创新能力。
-通过与合作方合作，通过数据挖掘、机器学习、深度学习等方法，构建ToB端的信用贷款风控模型 -基于海量互联网行为数据，结合机器学习、深度学习等方法，挖掘金融风控相关特征，提升风控模型效果 -负责信贷风控模型和特征的工程化应用，包括模型推理/监控、特征加工/更新/监控等 -互联网金融、消费金融、小额贷款行业的机器学习、深度学习等领域前沿算法的研究和代码工程化实现
-通过与合作方合作，通过数据挖掘、机器学习、深度学习等方法，构建ToB端的信用贷款风控模型 -基于海量互联网行为数据，结合机器学习、深度学习等方法，挖掘金融风控相关特征，提升风控模型效果 -负责信贷风控模型和特征的工程化应用，包括模型推理/监控、特征加工/更新/监控等 -互联网金融、消费金融、小额贷款行业的机器学习、深度学习等领域前沿算法的研究和代码工程化实现
1、核心算法研究与设计：主导金融风控领域RAG-Agent的核心算法研究与创新，包括但不限于检索算法优化、重排序模型设计、大模型上下文增强与生成控制策略。 2、RAG全链路算法优化：研发面向非结构化金融文本的智能切片算法、查询理解与重写模型、多路召回融合策略，重点攻克多阶段排序模型，优化混合检索结果的精准度与相关性；研究与实施大模型在金融风控场景下的高效微调方案、提示工程范式与推理链设计，致力于提升生成内容的准确性、可追溯性与逻辑严谨性；构建领域定量的RAG评估体系，设计自动化评估算法与badcase分析机制，驱动算法闭环迭代。 3、前沿探索与业务赋能：探索Agent规划与决策、多模态信息融合、长上下文建模等前沿方向在风控场景的算法落地，并将核心算法能力转化为业务价值。
-基于平台海量数据，对用户特征、画像进行挖掘,并对其不断优化,提升对用户底层识别能力； -负责信贷产品的信用评分模型建设，建立信贷业务信用评分模型，客户资信模型等数据模型，用于信贷业务的发展； -负责金融用户营销模型的开发级优化，为运营、产品提供高效转化的金融借贷目标人群； -负责风控数据的分析:及时准确完成各项分析需求,对风控数据进行深入的剖析,为风控决策及策略的应用提供强有力的数据支持。