蚂蚁金服蚂蚁集团-大模型高级算法工程师-金融智能
任职要求
1.具有良好的深度学习/自然语言处理/自然语言生成等相关理论基础;有顶会论文发表者优先； 2.有一定的数学建模、优化能力，能根据具体业务设计调整模型，相关领域高水平竞赛获奖者优先(Kaggle、天池等)； 3.熟悉流行的深度学习框架(PyTorch，TensorFlow…
工作职责
1.负责语言大模型相关技术（知识注入、指令对齐、工具接口、深度推理、知识围栏）的算法研究和应用落地，具备自然语言处理、对话系统、语义理解、文本检索，强化学习、图学习等方向的丰富知识和研发经验； 2.负责金融智能助理蚂小财和理财师人机协同对话系统建设，包括但不限于大模型RAG系统构建、DPO/KTO、GRPO等RL模型的Reward设计与实现、Hybrid Reasoning混合推理系统、金融DeepResearch系统等，结合业务场景进行落地，提升理财师采纳率和GMV等指标； 3.参与大模型对话意图识别、对话管理DST、对话生成AIGC、人机协同、金融检索NL2API/NL2SQL、大模型工具学习、情感分析、用户模拟器等产品研发； 4.积极探索技术前沿，鼓励并支持将研究成果沉淀为技术文章、专利和学术论文。
我们致力于打造银行信贷领域的新一代“智能决策大脑”。我们以行业与产业研究为锚点，以数据智能为引擎，深度融合资深信贷专家的经验与海量异构数据洞察，构建面向信贷全生命周期的领域专属决策大模型。 1.主导信贷大模型的后训练体系：通过有监督微调（SFT）、奖励模型（RM）训练、人类反馈强化学习（RLHF）、直接偏好优化（DPO）等领域领先技术，让模型不仅“会回答”，更能“可解释、答得准、判得稳、符合专家直觉”，实现与信贷业务目标的深度对齐。 2.构建垂直领域智能Agent系统的能力：能主导信贷场景下Intelligent Agent的核心框架设计，融合感知、规划、执行与持续学习机制，并通过知识图谱、RAG、NL2SQL等技术打通非结构化知识、结构化数据与自然语言交互，实现从行业洞察、风险画像到决策支持的端到端自动化。 3.打造高质量领域数据飞轮：从零构建面向信贷场景的指令与偏好数据集，设计数据配比、清洗、增强与合成策略，持续提升数据效率与泛化能力——因为你知道，好模型的背后，是更聪明的数据。 4.建立科学严谨的评估体系：构建覆盖准确性、逻辑一致性、风险敏感度、幻觉控制等多维度的自动化评测 pipeline，用数据驱动模型迭代，确保每一个版本都比上一个更可靠、更可用。 5.站在AI+金融的最前沿：紧密跟踪全球大模型的最新进展（如新型偏好学习、多Agent协作等），快速将学术突破转化为业务生产力，解决真实世界中复杂、高 stakes 的信贷决策挑战。同时将领域化的研究转化为高质量的顶会论文，形成持续学术影响力。
1.从事金融保险、银行领域数据挖掘和数学建模的开发与实施工作； 2.负责数据挖掘领域的分析研究，包括数据挖掘算法的分析研究，数据工程的需求分析、建模、实验模拟； 3.负责参与研发精准营销、两核风控、客群分析模型的开发、测试、数据报告整理工作； 4.负责研究成果在公司内的推广应用，以及对外对内合作交流，不断提升公司的技术、分析和营销能力； 5.针对营销理论、消费者的消费行为数据结合数据挖掘领域的特点进行综合全面的业务逻辑架构及系统架构设计。
1. 基于业务场景抽象产品和技术逻辑，负责或参于设计算法机制从多种有业务属性的数据中挖掘企业/个体户特征，应用机器学习、深度学习、专家系统等技术实现有信用评价属性的用户分层、异常识别等场景的算法体系构建； 2. 研发实现SOTA水平的用户分层模型、图模型等在企业信用用户分层场景上的落地，深入理解业务场景，设计和迭代信用定价、权益策略等核心模块； 3. 构建用户信用画像量化评估体系、用户价值分析指标体系等，优化特征工程与模型迭代流程，建设动态策略调优系统； 4. 探索大语言模型（LLM）在智能推荐、异常发现、特征构建、策略迭代等场景的创新应用；构建可解释性AI（XAI）体系，输出可信的用户分层决策依据；
1.负责开发、维护基于GPT类自回归及Bert类非自回归NLP模型数字化产品；涉及模型设计、训练、调试等核心工作。 2.参与后台开发，进行技术调研、可行性分析以及系统与流程结构设计，确保模型的有效落地及性能优化。 3.负责数据处理和模型训练流程，从样本筛选到数据增强，不断提升模型性能和应用效果。 4.与产品团队及前后端紧密合作，深度理解客户需求，利用先进的语言模型技术解决实际业务问题。