米哈游场景模型-星布谷地

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。

阿里国际客户体验部算法团队，负责国际电商（AliExpress、Lazada、Daraz等平台）在线客服（图文沟通）、热线客服（电话沟通）、客服工作台的各类算法建设。面临几十种语言的复杂服务问题，目前聚焦大模型优化和Agent构建，在保证客户服务质量的情况下，大幅提升服务效率和降低服务成本。 负责国际化多语言多模态大模型的优化以及智能体的构建，落地到阿里国际电商各个平台的客服系统中，包括但不限于： 1、多语言多模态大模型的优化，包括多语言多模态对话数据挖掘与清洗、数据配比、模型预训练、任务微调、强化学习偏好对齐等； 2、参与智能体框架的设计与实现，推动在国际各个电商平台上的客服系统落地。

阿里国际风险管理部算法团队，负责国际电商（AliExpress、Alibaba国际站、Lazada、Daraz等平台）的商品风险、互动内容风险、营销反作弊、恶意行为、欺诈、虚假交易等各类风险的模型建设，综合利用各类的算法进行风险治理。面临多语言、多国别、复杂多变的风险，目前聚焦于下一代AI技术进行风控系统的升级，提升风险识别和治理能力。 负责国际化多语言多模态大模型的优化以及智能体的构建，落地到商品风险防控、营销作弊、欺诈等各类风险治理中，包括但不限于： 1、多语言多模态电商大模型的优化，包括多语言多模态电商数据挖掘与清洗、数据配比、模型预训练、任务微调、强化学习偏好对齐等； 2、参与智能体框架的设计与实现，推动在各类治理场景中的落地。