同花顺算法工程师（金融 AI Agent 平台）
任职要求
任职要求 •计算机 / 人工智能 / 数学等相关专业硕士及以上; •扎实的深度学习与 NLP / LLM 基础,深入理解 Transformer 及预训练 / 后训练原理; •熟练掌握 PyTorch,具备大模型 SFT / RL 训练的实际经验; •熟悉主流训练框架(DeepSpeed / Megatron / veRL / TRL 等); •有分布式训练经验…
工作职责
团队 & 业务 我们围绕金融领域的 Agent 与基础模型开展后训练与能力优化工作,方向覆盖 SFT、强化学习(含 RLVR)、奖励建模、推理时计算(Inference-time Compute)与多任务学习,直接支撑金融 AI Agent 平台的核心智能能力。你将主导让模型在规划、工具调用、多步推理上「更聪明、更可靠」的关键工作。 岗位职责 •负责 Agent 相关模型的训练与优化,覆盖数据构造、SFT、RL(RLHF / RLVR 等)全流程; •设计并实现奖励模型(Reward Model / PRM),提升 Agent 在规划、工具调用、多步推理上的能力; •探索 Agentic RL、可验证奖励(Verifiable Rewards)、过程监督(Process Supervision)等前沿训练方法; •构建高质量训练数据与评测(Eval)体系,支撑模型能力的持续迭代与回归; •研究推理时计算 / Test-time Scaling、多任务 SFT、历史类比等推理增强方法; •与工程团队协作,将训练成果高效部署上线,并基于线上反馈闭环优化。
部门介绍 网商银行是由蚂蚁集团发起设立的中国首批民营银行之一，也是全球领先的互联网银行。我们始终坚守“普惠金融”初心，聚焦服务小微企业、个体工商户和农村经营者。作为金融科技领域的标杆企业，网商银行以科技为核心驱动力，依托云计算、大数据、人工智能等前沿技术，构建了独特的“310”小微信贷服务模式（3分钟申请、1秒钟放款、0人工干预），目前已服务数千万小微客户。网商银行算法团队致力于整个信贷全流程的AI算法能力构建，技术领域包括大模型、自然语言处理、计算机视觉、多模态等。团队成员近年在ACL/ICLR/WWW/CVPR/ICCV等多个顶级会议发表数十篇学术论文。在AI大模型时代，网商银行正率先探索“AI+金融”的深度融合。我们拥有海量、真实且高价值的小微信贷场景数据，致力于通过大模型技术打破传统风控壁垒，解决长尾客户融资难、风控难的问题。在这里，你可以：[1] 参与覆盖千万客户的金融信贷领域算法研发中，以技术之力跨越金融鸿沟，让普惠金融触达每一个微小经营主体，实现技术的终极价值与前所未有的职业使命感。[2] 得到技术大牛和联合实验室教授的一对一指导，在海量数据和领域特异问题的加持下，与一群有情有义的人加速自身的成长。 职位描述： 1. 构建风控领域高质量数据飞轮：设计并落地面向小微信贷风控的高质量指令数据集构建方案，涵盖数据清洗、去重、隐私脱敏及自动化标注体系。研发基于大模型的数据合成技术与自我进化机制，解决金融场景下高价值标注数据稀缺痛点； 2. 主导金融垂直领域大模型的后训练策略：设计包括 SFT、RL（DPO/GRPO/OPD等）算法优化，针对风控场景特有的逻辑推理、事实准确性及低幻觉要求，研发专用的对齐算法与损失函数，显著提升模型在复杂风控决策中的性能。探索多目标强化学习在风控权衡（如风险vs额度）中的应用，实现模型能力的精细化调控； 3. 高效推理能力建设与工程化落地：负责大模型推理加速技术的研发与应用，包括但不限于KV Cache优化、量化技术以及算子融合优化。优化模型在服务端的推理时效，协同工程团队，打通从训练到推理部署的全链路，实现模型能力的快速迭代与稳定上线； 4. 金融场景下大模型 Agent 框架优化：主导面向复杂金融风控场景的大模型 Agent 框架设计，构建支持多工具调用、多步骤规划及长链路任务执行的智能体系统。优化 ReAct、CoT 等推理范式在风控决策中的应用，解决长上下文记忆管理、状态追踪及异常恢复机制，确保 Agent 在处理客户分析、信贷审批等长周期任务时的稳定性与准确性； 5. 跟踪前沿技术并创新突破：跟踪并复现业界的最新SOTA成果以及在小微信贷风控领域的应用。产出高水平学术论文及开源贡献，引领网商银行在金融AI领域的技术创新。
部门介绍 网商银行是由蚂蚁集团发起设立的中国首批民营银行之一，也是全球领先的互联网银行。我们始终坚守“普惠金融”初心，聚焦服务小微企业、个体工商户和农村经营者。作为金融科技领域的标杆企业，网商银行以科技为核心驱动力，依托云计算、大数据、人工智能等前沿技术，构建了独特的“310”小微信贷服务模式（3分钟申请、1秒钟放款、0人工干预），目前已服务数千万小微客户。网商银行算法团队致力于整个信贷全流程的AI算法能力构建，技术领域包括大模型、自然语言处理、计算机视觉、多模态等。团队成员近年在ACL/ICLR/WWW/CVPR/ICCV等多个顶级会议发表数十篇学术论文。在AI大模型时代，网商银行正率先探索“AI+金融”的深度融合。我们拥有海量、真实且高价值的小微信贷场景数据，致力于通过大模型技术打破传统风控壁垒，解决长尾客户融资难、风控难的问题。在这里，你可以：[1] 参与覆盖千万客户的金融信贷领域算法研发中，以技术之力跨越金融鸿沟，让普惠金融触达每一个微小经营主体，实现技术的终极价值与前所未有的职业使命感。[2] 得到技术大牛和联合实验室教授的一对一指导，在海量数据和领域特异问题的加持下，与一群有情有义的人加速自身的成长。 职位描述： 1. 构建风控领域高质量数据飞轮：设计并落地面向小微信贷风控的高质量指令数据集构建方案，涵盖数据清洗、去重、隐私脱敏及自动化标注体系。研发基于大模型的数据合成技术与自我进化机制，解决金融场景下高价值标注数据稀缺痛点； 2. 主导金融垂直领域大模型的后训练策略：设计包括 SFT、RL（DPO/GRPO/OPD等）算法优化，针对风控场景特有的逻辑推理、事实准确性及低幻觉要求，研发专用的对齐算法与损失函数，显著提升模型在复杂风控决策中的性能。探索多目标强化学习在风控权衡（如风险vs额度）中的应用，实现模型能力的精细化调控； 3. 高效推理能力建设与工程化落地：负责大模型推理加速技术的研发与应用，包括但不限于KV Cache优化、量化技术以及算子融合优化。优化模型在服务端的推理时效，协同工程团队，打通从训练到推理部署的全链路，实现模型能力的快速迭代与稳定上线； 4. 金融场景下大模型 Agent 框架优化：主导面向复杂金融风控场景的大模型 Agent 框架设计，构建支持多工具调用、多步骤规划及长链路任务执行的智能体系统。优化 ReAct、CoT 等推理范式在风控决策中的应用，解决长上下文记忆管理、状态追踪及异常恢复机制，确保 Agent 在处理客户分析、信贷审批等长周期任务时的稳定性与准确性； 5. 跟踪前沿技术并创新突破：跟踪并复现业界的最新SOTA成果以及在小微信贷风控领域的应用。产出高水平学术论文及开源贡献，引领网商银行在金融AI领域的技术创新。
-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。
【愿景】 构建以大模型算法为核心的金融 AI 智能体体系，打通“理解—推理—决策—执行—反馈”的全链路闭环。通过 LLM 理解用户意图与业务上下文，通过 SFT/RL 等算法提升金融场景专业能力，通过 Agent 进行任务规划、策略选择与工具调用，动态生成话术、方案和决策建议，持续基于评测与线上反馈自我优化，推动金融业务走向智能体时代。 【职责】 负责金融场景的大模型的研发和应用，研究相关技术在AI营销、AI风控、AI客服、AI催收领域的落地价值和解决方案，通过AI赋能业务，大幅提升业务在智能交互、智能决策场景下的效果。 研究方向一：基于大模型的多轮对话理解与生成 1.深入参与对话机器人在数据建设、指令微调、偏好对齐、强化学习、推理优化等环节的建设； 2.研究和解决大模型落地的关键问题，如检索增强、长文本理解、模型小型化技术等，并提升训练-评测的迭代效率。 研究方向二：大模型智能体算法研究 1.负责基于大模型的智能体架构构建，实现复杂问题的理解规划、工具执行以及感知反思能力； 2.探索最前沿技术，设计算法迭代飞轮，优化大模型基础模型，高效提升模型效果。