同花顺金融大模型算法工程师
任职要求
岗位要求： 1. 2026 届硕士及以上学历，计算机/人工智能/软件工程/信息安全/金融工程等相关专业优先 2. 具备优秀的问题分析与解决能力，能深入解决多模态/智能体在**训练、推理、评测与落地**中的复杂问题 3. 熟悉多模态大模型关键技术：视觉编码与对齐、布局/结构理解、表格理解、指令跟随、工具调用与约束推理等 4. 熟悉 Agent 相关机制：任务分解与规划、工具使用、记忆与上下文管理、RAG/检索、反思与自我修复、可靠性工程等，能设计可上线的任务闭环 5. 有大模型训练/微调经验者优先：数据构建、指令微调、偏好学习/RL、分布式训练与推理优化等 6. 工程能力扎实：熟练使用 Python / PyTorch（或同类框架），具备良好代码规范、性能意识与系统化落地…
工作职责
业务介绍：
我们在做“AI 在金融领域全业务链路的落地”，面向研究、投研、风控、合规、运营、产品与工程团队，打造生产级的金融多模态文档理解与信息抽取体系，并进一步构建可规模化复用的 多模态 **Agent（Browser Use / Computer Use）** 能力：从公告/财报/研报/合同/尽调材料等文档的理解、结构化抽取与一致性校验，到跨站检索、证据归因、可追溯引用与任务闭环，目标是把金融数据做到稳定、可控、可交付。
岗位方向：金融多模态文档理解 × 信息抽取 × 多模态 Agent（Browser/Computer Use）
把多模态大模型对版式/表格/图文混排/扫描件的细粒度理解能力，与 Agent 的工具使用、网页检索与交互、长任务规划与质检校验深度结合：让系统会搜、会读、会核、会追溯引用，能在真实金融业务中持续提升效果与效率。
工作内容：
1. 聚焦金融场景核心任务，负责多模态文档理解 + 信息抽取算法设计与研发：
- 财报/公告/研报/合同/表单/票据/截图等的结构化解析（段落、标题层级、表格、关键字段、关系与证据定位）
- 抽取结果的一致性校验（跨页/跨表/跨文档对齐）、异常检测与可解释输出
2. 构建生产级多模态 Agent 能力：
- 检索与浏览（Search/Browse）、站点导航、表单/网页交互与流程探索（Browser Use / Computer Use）
- 证据归因与可追溯引用，支持审计与复核
- 长任务规划、任务分解、失败恢复与自我修复（重试策略、状态机/工作流、工具调用约束）
3. 深入研究多模态大模型与 LLM 的预训练/后训练技术（SFT、偏好优化/RL 等），在数据构建与配比、训练范式、推理策略、成本与时延上探索最佳实践，推动关键指标显著提升
4. 设计金融垂类评测与对齐体系：
- 指标覆盖：抽取准确率、事实一致性、可执行性/可复现性、鲁棒性（低质扫描/复杂表格）、引用可追溯、成本与延迟
- 结合公开基准与企业内部集，建立可持续迭代的评测闭环
5. 与产品、风控/合规、工程与测试团队紧密协作，把算法能力落地到真实业务链路中：可灰度、可回滚、可监控、可持续迭代
1、核心算法研究与设计：主导金融风控领域RAG-Agent的核心算法研究与创新，包括但不限于检索算法优化、重排序模型设计、大模型上下文增强与生成控制策略。 2、RAG全链路算法优化：研发面向非结构化金融文本的智能切片算法、查询理解与重写模型、多路召回融合策略，重点攻克多阶段排序模型，优化混合检索结果的精准度与相关性；研究与实施大模型在金融风控场景下的高效微调方案、提示工程范式与推理链设计，致力于提升生成内容的准确性、可追溯性与逻辑严谨性；构建领域定量的RAG评估体系，设计自动化评估算法与badcase分析机制，驱动算法闭环迭代。 3、前沿探索与业务赋能：探索Agent规划与决策、多模态信息融合、长上下文建模等前沿方向在风控场景的算法落地，并将核心算法能力转化为业务价值。
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。
【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。
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。