同花顺大模型金融研究员
任职要求
从准确性、实用性、创新性、专业性等多维度，系统提出并精准定义问财大模型 “惊艳答案” 的标准与具体要求，为模型优化提供清晰、可量化的目标导向。 紧密与算法团队协作，共同设计和构建针对各类金融任务的奖励模型、评价模型等关键组件，持续迭代优化强化学习策略，不断突破 Agent 能力上限，提升模型在金融场景的实际应用效果。 要求 对投资、证券领域的逻辑有着深入且系统的研究，知识涉猎范围广泛，不仅涵盖 A 股、美股，还包括数字币、期权、期货等多个细分领域。 对前沿技术抱有高昂的探索热忱，具备卓越的分析问题与解决问题的能力，拥有良好的团队沟通与协作素养，能高效推动跨部门项目进展。 持有基从、证从、银从、CFA、CPA、FRM 等金融资格证书者优先；具备金融量化分析相关经验者优先，我们将为这类人才提供更广阔的发展平台和更具竞争力的薪酬福利。
工作职责
岗位介绍 在金融大模型应用落地的前沿阵地，同花顺已强势布局 100 + 大模型应用场景。在此领域，我们对大模型的通用能力及面向金融应用的专项能力有着极高且特殊的优化需求，涵盖海量数据的实时处理与计算、金融逻辑推理、复杂指令响应、长文本解析、低幻觉控制等多个关键维度。本岗位将立足公司自研大模型与外部开源模型，深度钻研金融场景下模型能力提升的核心技术与创新产品方案，致力于显著增强模型的金融指令跟随能力、降低幻觉率、提升金融数学与逻辑分析水平，全力推动大模型在更多金融场景的成功落地，为用户打造前所未有的投资体验。 职责
跟踪并深入研究LLM（大语言模型）领域的最新科研成果及业界动态，探索其在金融投资中的应用。 参与基于大模型的量化策略设计与算法开发，涵盖信号生成、组合优化、模型训练等环节，利用大模型、多模态技术和强化学习（RL）推进AI投资和AIGC项目。 优化大模型在金融场景下的推理效果，结合DPO（决策过程优化）和RLHF（强化学习与人类反馈）提升策略的稳定性与准确性。 参与投资Agent系统的开发，全面实现数据获取、分析、决策与执行的自动化链路，提升量化投资决策效率。 持续跟踪AI4Finance前沿技术，特别是多模态金融大模型、低延迟推理等领域的最新进展，为量化投资系统提供技术支持。
follow最新的LLM领域的科研及业界最新的成果，直接应用到金融投资。 1. 参与基于大模型的量化策略设计与算法开发，覆盖信号生成、组合优化、模型训练等环节 ，运用大模型\多模态\强化学习解决AI投资、AIGC等项目。 2. 优化大模型在金融场景的推理效果，结合DPO/RLHF提升策略稳定性 3. 开发投资Agent系统，实现数据获取-分析-决策-执行的自动化链路 4. 跟踪AI4Finance前沿技术（如多模态金融大模型、低延迟推理）
参与金融领域大模型的设计与优化，特别是在量化投资、风险控制、资产配置等场景下应用强化学习算法（RL）解决实际问题。 研究和开发基于强化学习的金融策略，包括但不限于投资组合优化、市场预测、风险管理等关键领域。 利用大模型和多模态数据（包括市场数据、新闻数据、社交媒体数据等），开发适应金融市场动态变化的智能决策系统。 优化金融场景下强化学习模型的训练与推理效率，探索基于DPO（决策过程优化）与RLHF（强化学习与人类反馈）的创新算法，提升策略的稳定性和适应性。 深入研究AI4Finance前沿技术，关注低延迟推理、模型压缩、算法加速等技术的应用，推动金融大模型在实时交易、资产管理等领域的落地。
1. 负责实现和迭代自然语言处理相关算法，支撑企业数字化业务中的自然语言理解和生成需求，例如信息抽取、文档分析、检索问答、对话交互等； 2. 与工程团队协作，将算法集成到产品中，支撑金融业务场景的迭代优化； 3. 负责某一细分领域的深入算法研究，包括但不限于基础模型开发、对齐研究、推理优化、SFT训练及Agent智能体开发； 4. 设计和开发基于大语言模型（LLM）的智能Agent，优化其在金融场景中的任务规划、工具调用及自主决策能力； 5. 维护相关研究和业务方向的基准（代码、数据、Prompt/Instruction等），将创新算法沉淀为论文、技术报告或专利。