腾讯金融科技-大模型算法专家
任职要求
1.计算机相关专业硕士及以上学历，5 年以上算法应用经验，有大模型项目经验者优先； 2.熟悉智能体业务架构设计，在Prompt模板化、任务规划、记忆系统、工具调用、知识管理、反思改进、监控评估及多代理机制等方面有深刻理解与实践； 3.深入理解 LLM Function Calling、Tool Use、MCP 协议、ReAct、Plan-and-Execute、 Skills 等 Agent 核心范式及技术组件； 4.熟悉Qwen、DeepSeek、Gemi…
工作职责
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.负责文本大模型在AI编程垂直领域（如代码生成、工具调用、接口测试）的数据构造、Post-Training与评估全流程； 2.深入代码大模型与文本推理方向，进行模型调优与能力创新，覆盖代码补全、流水线自动化、测试用例生成等场景；开展大模型智能体（Agent）的开发与设计，包括智能体工作流编排、工具调用规划、复杂任务分解与执行等； 3.负责文本上下文压缩技术的研究，并在代码检索、知识库问答领域的落地，包括Embedding压缩、长上下文（Long-context）优化、结构化文本处理等； 4.负责基于大模型的知识检索问答（如RAG）系统的研发与优化，包括领域知识库构建、检索增强生成技术应用、问答准确性提升等； 5.跟踪文本大模型、程序语言处理及智能体技术领域的技术进展，评估其在研发效能提升方面的应用潜力。
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。
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.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。