字节跳动金融场景中的大模型对话及应用-财经业务大模型算法(杭州/北京)
任职要求
1、2027届毕业,获得博士学位,人工智能、大模型、NLP相关专业优先; 2、优秀的代码能力,掌握常见编程语言和算法,熟悉PyTorch或TF等机器学习编程框架; 3、在大模型、RAG、智能对话或搜索等方向要求有丰富的实践经验,在ACL/EMNLP/SIGIR/WWW等…
工作职责
团队介绍:财经业务依托抖音集团的流量优势和领先的基础技术能力,通过“抖音支付”“抖音月付”“放心借”以及退货运费险等产品,为广大个人用户、企业和机构提供支付、消费金融和保险经纪等金融科技服务。 财经大模型算法团队专注于金融领域的大模型对话场景算法研究,支持包括财经智能助理Agent、智能客服、智能外呼、智能金融数据分析等财经大模型应用场景的建设,服务过亿级财经用户。团队的工作包括财经领域知识注入生成式大模型、金融对话场景Agent架构研发、端到到本文/语音生成、检索增强生成(RAG)、智能数据分析、图片与视频理解等技术。我们使用前沿的机器学习技术进行端到端建模并不断创新突破,建设财经领域内行业领先的金融智能对话和金融数据分析能力,提升用户在抖音的财经业务用户体验。 课题介绍: 字节财经团队专注解决金融场景中智能Agent、实时语音交互、智能风控等应用的技术挑战,通过在金融场景的大模型领域后训练与微调,实现金融Agent智能助手的长历史上下文的记忆、金融级别的指令遵循、支持多模态输入输出、低延迟实时语音对话生成、大模型对系统信息感知和个性化对话等能力,以及针对AIGC的伪造内容进行攻防、结合大模型和深度学习的全新的风控建模等。 课题挑战: 1、支持领域知识注入的端到端文本和语音生成问题; 2、领域知识注入的大模型后训练和对齐; 3、Multi Agent System中的智能决策与系统感知; 4、基于宏观经济和结构化数据的智能风控建模。 课题价值: 1、支持领域知识注入的实时语音对话模型; 2、金融场景的通用智能助手,提升财经各业务场景的GMV和转化率,同时提升用户体验; 3、搭建金融风控场景的Agent,提升对风控业务的预测准确率及优化模型性能。
蚂蚁AI金融智能-财富保险事业群是全球范围内领先的金融科技团队,在这里有家喻户晓的国民级产品,也有十年磨剑不为人知的关键技术,在智能技术风起云涌的今天,我们召唤愿意追逐金融科技技术风暴的热血灵魂! 这里有聪明靠谱的伙伴、蓬勃生长的业务:这里有过吴文俊人工智能科技进步一等奖、有过数以百计的顶会论文;这里有引领时代的AI金融服务管家“蚂小财”和金融专家业务助手“支小助”;大模型已经成为落地业务的亮眼产品,惊涛骇浪中我们依然扎实前行。 技术理想主义的信念未曾动摇,用科技让世界更好的初心未曾改变!我们期待享受风暴铮铮的你,期待绽放青春昂扬的你,期待和你一起在技术星河里留下痕迹! 服销智能技术团队致力于应用业界最先进的大模型技术,让高质量金融服务人人可得;构建“AI+人工”新服销模式,推动财富和保险行业智能化转型,让创新带来新增长。团队推出的AI金融管家“蚂小财”是蚂蚁集团旗下AI First的核心战略,为用户提供包括行情解读、持仓分析、基金产品诊断、保险方案规划、智能理赔等专业服务,已经连接了200多家基金公司、券商、保险公司、财经媒体等专业机构,以及超1.5万位专业财经创作者;AI金融助手“支小助”被集成入蚂蚁10+场景,已规模化验证,提升了150%的专家销售效率、400%的专业研究效率。团队同学来自清华、北大、复旦、浙大、哈佛、牛津、剑桥、加州大学伯克利分校、新加坡国立大学等海内外知名院校,团队累计申请专利数百个,顶会论文数十篇,有着浓厚的技术创新和探索氛围,期待和更多同学一起打破天花板,创造新未来。 职位描述: 1.负责开发和优化面向金融领域的智能对话系统。该系统旨在为用户提供个性化的投资建议和情感支持,致力于提升系统的自然语言理解能力、上下文感知能力和多轮对话能力,使其能够准确把握用户意图,提供专业、贴心的服务。 2.为财保AI在大模型时代提供技术水位的领先, 提升整体大模型基础训练的能力水位。
蚂蚁AI金融智能-财富保险事业群是全球范围内领先的金融科技团队,在这里有家喻户晓的国民级产品,也有十年磨剑不为人知的关键技术,在智能技术风起云涌的今天,我们召唤愿意追逐金融科技技术风暴的热血灵魂! 这里有聪明靠谱的伙伴、蓬勃生长的业务:这里有过吴文俊人工智能科技进步一等奖、有过数以百计的顶会论文;这里有引领时代的AI金融服务管家“蚂小财”和金融专家业务助手“支小助”;大模型已经成为落地业务的亮眼产品,惊涛骇浪中我们依然扎实前行。 技术理想主义的信念未曾动摇,用科技让世界更好的初心未曾改变!我们期待享受风暴铮铮的你,期待绽放青春昂扬的你,期待和你一起在技术星河里留下痕迹! 服销智能技术团队致力于应用业界最先进的大模型技术,让高质量金融服务人人可得;构建“AI+人工”新服销模式,推动财富和保险行业智能化转型,让创新带来新增长。团队推出的AI金融管家“蚂小财”是蚂蚁集团旗下AI First的核心战略,为用户提供包括行情解读、持仓分析、基金产品诊断、保险方案规划、智能理赔等专业服务,已经连接了200多家基金公司、券商、保险公司、财经媒体等专业机构,以及超1.5万位专业财经创作者;AI金融助手“支小助”被集成入蚂蚁10+场景,已规模化验证,提升了150%的专家销售效率、400%的专业研究效率。团队同学来自清华、北大、复旦、浙大、哈佛、牛津、剑桥、加州大学伯克利分校、新加坡国立大学等海内外知名院校,团队累计申请专利数百个,顶会论文数十篇,有着浓厚的技术创新和探索氛围,期待和更多同学一起打破天花板,创造新未来。 职位描述: 1. 负责提升大模型的金融专业和分析能力,构建业界领先的金融大模型。工作职责包括但不限于:训练数据构建、模型架构和post-training优化、能力评测体系搭建、高效推理等,持续提升大模型在智能对话、金融报告生成等金融专业场景的能力。 2. 探索大模型在金融专业领域的应用边界,进行应用原型开发与测试,推动技术创新与业务落地。
蚂蚁AI金融智能-财富保险事业群是全球范围内领先的金融科技团队,在这里有家喻户晓的国民级产品,也有十年磨剑不为人知的关键技术,在智能技术风起云涌的今天,我们召唤愿意追逐金融科技技术风暴的热血灵魂! 这里有聪明靠谱的伙伴、蓬勃生长的业务:这里有过吴文俊人工智能科技进步一等奖、有过数以百计的顶会论文;这里有引领时代的AI金融服务管家“蚂小财”和金融专家业务助手“支小助”;大模型已经成为落地业务的亮眼产品,惊涛骇浪中我们依然扎实前行。 技术理想主义的信念未曾动摇,用科技让世界更好的初心未曾改变!我们期待享受风暴铮铮的你,期待绽放青春昂扬的你,期待和你一起在技术星河里留下痕迹! 服销智能技术团队致力于应用业界最先进的大模型技术,让高质量金融服务人人可得;构建“AI+人工”新服销模式,推动财富和保险行业智能化转型,让创新带来新增长。团队推出的AI金融管家“蚂小财”是蚂蚁集团旗下AI First的核心战略,为用户提供包括行情解读、持仓分析、基金产品诊断、保险方案规划、智能理赔等专业服务,已经连接了200多家基金公司、券商、保险公司、财经媒体等专业机构,以及超1.5万位专业财经创作者;AI金融助手“支小助”被集成入蚂蚁10+场景,已规模化验证,提升了150%的专家销售效率、400%的专业研究效率。团队同学来自清华、北大、复旦、浙大、哈佛、牛津、剑桥、加州大学伯克利分校、新加坡国立大学等海内外知名院校,团队累计申请专利数百个,顶会论文数十篇,有着浓厚的技术创新和探索氛围,期待和更多同学一起打破天花板,创造新未来。 职位描述: 1.负责开发和优化面向金融领域的智能对话系统。该系统旨在为用户提供个性化的投资建议和情感支持,致力于提升系统的自然语言理解能力、上下文感知能力和多轮对话能力,使其能够准确把握用户意图,提供专业、贴心的服务。 2.为财保AI在大模型时代提供技术水位的领先, 提升整体大模型基础训练的能力水位。
团队介绍:依托抖音集团的科技能力和产品,我们为抖音电商、生活服务、直播等场景提供金融服务,为抖音用户提供更好的支付、消费金融、保险等金融服务。科技创新,普惠大众。 大模型&NLP算法团队,支持财经各业务场景的大模型/NLP算法,负责包括智能客服、智能助理、智能外呼、客户体验体系建设等财经NLP及对话应用场景的建设。通过财经领域知识结合生成式大模型、检索增强生成(RAG)、文本理解等技术。建设财经领域内行业领先的智能对话能力和自然语言理解能力,提升财经用户体验和保险/消金等场景智能售前/售后的转化率和满意度。 课题背景: 尽管现有的预训练语言模型在通用领域的生成任务中表现出色,但由于训练数据专业性不足和训练任务缺乏针对性,其在财经领域的应用仍存在明显短板。这主要体现在难以准确理解财经领域特有的业务知识,以及生成内容无法符合该领域特定的业务规则等方面。例如,在财经对话场景中,模型由于缺乏业务背景知识,可能会误解用户意图,生成违反业务规则或偏离市场实际情况的回答,甚至生成与财经业务不符的内容,从而导致生成结果的可信度不足。因此,如何通过领域自适应学习、领域动态知识注入以及领域可解释性生成等技术,提升模型对财经领域的理解和生成能力,已成为一个亟待解决的关键难题。 课题挑战: 目前的预训练语言模型主要基于通用领域的大规模文本数据进行训练,但在面对垂直领域的挑战时,尤其是依赖精确市场分析和特有业务背景知识的财经领域场景,仍然面临诸多困难。这些模型在理解复杂领域文本、整合专业知识、完成特定任务推理以及生成可靠的领域文本方面,存在明显局限性。 首先,当前的大规模预训练语言模型在财经领域的业务知识理解和整合方面仍存在明显不足。即便是像 GPT-4 等当前最先进的模型,也未能深入学习和掌握财经领域的业务背景、知识体系以及行业规范,导致其在财经对话场景中难以精准把握用户意图,无法准确理解复杂的业务逻辑和上下文关联关系。此外,这些模型缺少领域专家知识的监督机制,生成的文本容易出现业务逻辑错误和事实偏差,甚至违反财经领域特定的业务规则。因此,如何构造针对财经领域的自适应训练任务,增强模型在财经领域的知识理解能力,已成为亟待解决的关键问题。 其次,财经领域高度依赖动态更新的市场信息,而当前的大规模预训练语言模型难以快速适配动态更新的领域知识。由于预训练阶段知识的滞后性,这些模型无法在对话中提供对用户有价值的实时分析与建议。因此,如何改进领域知识注入和动态知识学习的训练方法,提升模型在财经对话场景下快速适应新知识的能力,是大模型快速迁移垂直领域的急迫需求。 最后,现有生成式人工智能在财经对话场景中的透明性和可解释性方面仍显不足,用户难以清晰了解模型生成过程及其依据,导致生成结果特别是在涉及市场预测或投资策略等高风险场景时的可信度受到质疑。因此,如何提升文本生成的透明性和可解释性,提升文本生成可信性,是大模型正式投身生产应用的关键卡点。