腾讯金融科技-多模态大模型算法工程师
任职要求
1.熟练掌握PyTorch、Swift、VeRL等一种或多种深度学习框架，具备多模态模型（如VLM）开发与调优经验； 2.熟悉多模态大模型训练技术，包括增量预训练（CPT）、有监督微调（SFT）、强化学习（RL）等，具备分布式训练实践经验； 3.熟悉RLVR（可验证奖励强化学习）…
工作职责
1.负责VLM在GUI智能体场景下的全流程优化，包括多模态数据Pipeline构建、GUI-Sandbox仿真环境搭建、模型后训练（Post-training）等； 2.深入GUI交互与多模态理解方向，进行模型调优与技术创新，覆盖视觉定位、界面元素理解、跨模态工具调用等； 3.跟踪多模态大模型与具身智能领域的技术动态，评估其在GUI自动化、智能助手等场景的应用潜力； 4.参与多模态系统架构设计，确保系统的高性能、可扩展性与稳定性。
1.主导腾讯金融科技大模型在智能投顾、智能运营、智能客服、搜索推荐等金融核心场景的落地与迭代，带领团队解决链路中的关键技术瓶颈，构建可规模化复用的解决方案； 2.持续跟踪大模型前沿技术(Agent流程编排、Skill、RAG、架构优化、对齐技术、推理加速等)，结合金融场景沉淀方法论，推动规范化复用并内化为团队标准。
1.作为财付通具体跨境产品的风险管理负责人（风控1号位），全面负责该业务的风险合规管理框架建设、风险识别及防控工作； 2.主导跨境业务（外汇/跨境人民币）的合规及风险管理体系搭建； 3.对跨境新业务进行风险评估与监测，结合监管要求制定并指导落地有效的风险管理方案； 4.定期评估跨境业务合规性，针对合规问题制定整改方案并推动执行； 5.整合内外部资源，建立并优化跨境业务风险控制体系、标准及流程。
1.负责金融风控场景中AI Agent方向的架构升级，提升大模型逻辑推理和任务规划能力，构建具备自主决策、协作与工具调用能力的多智能体系统（Multi-Agent System），推动大模型从“对话式AI”向“任务执行体”演进，解决复杂场景下的自动化问题； 2.深入研究并应用LLM的复杂推理技术（如思维链CoT、思维树ToT），并熟悉应用Prompt Cache，多工具并发调度，上下文隔离，长短期记忆管理，权限与安全收敛等Agent工程化和治理技术，赋予Agent独立探索与解决问题的能力； 3.跟进LLM相关的算法最新技术方向，运用指令微调、强化学习等方法，提升大模型规划、推理与遵循指令的能力，从而提升模型知识边界探索和抗干扰的能力。
1.面向AI应用场景的大模型后训练方向的核心技术研发，包括SFT、偏好学习、强化学习等算法研发、优化与创新，提升业务效果； 2.利用LLM能力，构建用户异常交易、可疑行为特征模型，深度识别客户风险； 3.跟踪大模型后训练方向的前沿技术，参与前沿算法研究，推动研究成果在反洗钱与风控场景的落地应用； 4.基于用户特征、文本数据及尽调资料等信息，探索创新的技术来更好了解客户，洞察用户交易风险。