岗位职责
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。
- 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。
- 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。
- 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。
- 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。
- 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。
职位要求
- 计算机科学、人工智能、数学或相关专业的硕士及以上学历，3年以上机器学习/深度学习相关工作经验，具备大模型（LLM）、Agent相关项目经验者优先。
- 扎实的机器学习基础，深刻理解深度学习、自然语言处理的基本原理，对Transformer架构、语言模型有深入理解。
- 具备丰富的模型训练/微调实践经验，熟练掌握PyTorch/TensorFlow等至少一种深度学习框架，有SFT、RLHF、DPO等后训练全流程实践经验者优先。
- 出色的编程和工程实现能力（Python），熟悉分布式训练框架、深度学习性能优化（如混合精度训练、ZeRO等）者优先。
- 具备优秀的问题分析和解决能力，能够独立开展实验、分析结果并定位问题，对算法创新和解决挑战性问题有浓厚兴趣。
- 在顶级会议（如NeurIPS, ICML, ICLR, ACL等）发表过相关论文，或有开源项目贡献（如参与过LLM相关项目：LLaMA-Factory, TRL等）。
