蚂蚁金服蚂蚁集团-大模型高级算法工程师-金融智能

基座大模型研发与创新 参与设计并研发面向大规模多元时间序列的预训练基座模型，探索适用于时序数据的 Transformer变体(如Informer,FEDformer, PatchTST)及创新架构。 负责构建超大规模，高质量的时序预训练数据集，设计掩码重建，上下文预测等自监督预训练任务。 研究时间序列中的关键问题，如长周期依赖建模，多尺度特征提取，缺失值处理，以及时序与文本/事件等多模态信息的对齐与融合。 模型深度优化与领域适配 针对特定高价值场景(如电力负荷预测，量化金融，工业设备预测性维护)，对基座模型进行深度微调与优化，实现"通用能力"到"领域专家"的转化。 研发高效的模型适配技术(如参数高效微调 PEFT)，确保基座模型能够快速，低成本地适配到多样化的下游任务。 系统工程与高性能推理 负责将模型从研究原型推进到稳定，高性能的生产级系统。优化训练框架，利用混合并行(数据并行，模型并行，流水线并行)技术实现千亿参数模型的分布式训练。 主导模型的高效推理优化，应用量化(INT8/ FP4)，编译优化等技术，大幅降低服务延迟与资源消耗，支撑海量时序数据的实时预测需求。 技术前瞻与行业赋能 追踪时间序列分析，大模型预训练的前沿学术进展，并将有潜力的技术引入到产品研发中。 与业务团队紧密合作，深入理解行业痛点，将基座模型的强大能力转化为可衡量的业务价值，定义时间序列预测领域的新标准。 岗位要求 必备条件 计算机科学，人工智能，统计学或相关专业硕士及以上学历(博士优先).

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。

【关于我们】 滴滴自2018年初收购巴西出行平台99开始，正式启动了国际化战略。目前，滴滴的国际业务覆盖了拉美、亚太和非洲的14个国家，为当地市场提供以出行为主、涵盖外卖和金融的多样化服务。 IBG Marketplace 算法团队简介: 滴滴国际化出行交易市场算法团队在我们的出海业务中扮演了重要角色。团队致力于设计研发国际化核心的价格、分单引擎，打造自动化、智能化的定价补贴和分单系统，直接提升业务核心指标（完单、GMV、毛利、司乘体验等），创造用户价值和商业价值，助力滴滴在国际市场的成功。算法团队作为滴滴国际化交易市场IBG Marketplace 的核心团队，加入我们不仅可以不断提升自己的技术壁垒，加强对业务的理解深度，同时还可以收获到一群使命驱动平等开放志同道合的伙伴们 【岗位职责】 1. 负责国际化网约车交易策略算法设计和实现,包括但不限于司乘匹配,运力调度,流量分发,供需预测,仿真系统等方向； 2. 针对不同国家交易市场的供需情况和竞争态势,和业务方协同设定目标,使用机器学习/强化学习/运筹优化等算法和技术,优化成交率等核心业务指标,助力业务发展。