同花顺策略算法研究员
任职要求
具备扎实的数学与计算机基础，精通机器学习、深度学习及量化投资算法，熟悉计算机视觉（CV）、AIGC、自然语言处理（NLP）、强化学习（RL）等技术。 具有量化投资领域的工作经验，熟悉量化策略的开发、回测与优化，能够独立设计和实现基于大模型的量化投资系统。 在CVPR、ECCV、ICCV、NeurIPS、ICL…
工作职责
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。
1.智能数据应用：多维度玩家数据挖掘和分析，构建预测、推荐、投放等模型； 2.AIGC技术落地：深度应用LLM、TTS等相关技术，结合业务场景进行落地； 3.跟踪并研究最新的AI技术和趋势，将其应用于游戏Al项目中。
1. 开发基于机器学习的机器人控制策略，完成机器人端对端的算法训练与部署； 2. 负责算法策略的训练与移植部署，实现算法sim2real在机器人实机上落地应用； 3. 持续跟踪国内外前沿研究成果，并进行相关算法复现，参与相关方向的论文与专利积累。 【课题名称】 机器人强化学习算法研究 【课题内容】 追踪当下前沿机器人强化学习算法，复现并创新。
职位概述 我们正在寻找在视觉-语言-动作（Vision-Language-Action, VLA）领域具有扎实理论基础和丰富实践经验的算法工程师或研究员，致力于构建下一代通用智能机器人系统。你将参与从数据构建、模型设计到仿真训练与实机部署的全链路研发，推动 VLA 大模型在机械臂操作、人形机器人控制等复杂工业与开放场景中的前沿探索与实际落地。 职位描述（Responsibilities） 1. 前沿算法研究与复现 ○ 跟踪 VLA 领域最新进展（如 OpenVLA、RT-2、Pi0、RDT、Diffusion Policy 等），完成 SOTA 算法在仿真与实机环境下的复现与性能分析； ○ 探索基于大模型的端到端机器人决策框架，实现感知→理解→规划→动作的闭环。 2. VLA 模型架构设计与优化 ○ 设计面向工业场景的 VLA 模型结构，重点解决多模态特征对齐、动作序列生成、推理效率优化等问题； ○ 提升机械臂在复杂任务中的操作精度、泛化能力与鲁棒性。 3. Scaling 研究与泛化能力提升 ○ 开展 VLA 的 scaling law 研究，涵盖数据规模、模型结构、机器人构型等维度； ○ 实现长序列任务执行、跨任务技能迁移与动作泛化，在更复杂的工厂或开放环境中验证模型上限。 4. 数据系统与自动标注开发 ○ 参与多模态大模型所需的数据清洗、自动标注与增强系统的开发； ○ 探索高效的数据合成方法（如 sim2real 数据生成、LLM 辅助标注），保障数据质量与多样性。 5. 仿真训练与真实部署 ○ 基于 Isaac Sim / Gym / Lab、MuJoCo 等平台搭建高保真仿真环境，构建强化学习与模仿学习训练框架； ○ 设计 real2sim2real 迁移策略，加速算法从仿真到现实世界的部署； ○ 具备实机调试经验，能独立完成模型在机械臂或人形机器人上的部署与迭代。
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）