岗位职责
作为语料科学家，你将负责构建和优化驱动垂类基座大模型的核心“燃料”。你不仅需要深厚的数据工程能力，更需具备极佳的数据审美，通过系统化、算法化的手段，将海量非结构化信息转化为具备严谨逻辑、专业深度与对齐规范的高质量语料，全方位提升模型在金融场景下的逻辑推理、合规对话与复杂决策能力。 核心职责：
- 语料体系全生命周期优化： 负责大模型各阶段（Pre-training, SFT, RLHF）语料的构建与迭代。通过体系化扩展、高精度清洗、去重及去噪，定义并迭代金融领域的“高质量数据”标准。
- 关键能力专项驱动： 针对性优化模型的逻辑推理、多指标计算、财报分析及代码编写能力。设计并实施数据配比实验（Data Mixture），探索知识密度与模型效果的缩放定律（Scaling Laws）。
- 合成数据与 Agentic 仿真： 研发前沿的合成数据（Synthetic Data）技术，利用 Self-Instruct、Agentic-RL 等手段合成高质量的多轮决策轨迹、长文档推理链（CoT），解决金融场景下的长尾数据稀缺问题。
- 数据标注与 RLHF 反馈机制：制定涵盖金融专业性、逻辑严密性及合规性的多维度标注方案，构建高质量的偏好数据集，通过人类反馈引导模型符合行业从业者的价值观与专业审美。
- 基准测试 (Benchmark) 构建： 针对性构建涵盖如金融资格考试、财报解析、风险识别、投研策略等维度的自动化及人工评测基准。通过 Benchmark 结果精准反查数据短板，实现“以测促练”的闭环迭代。
职位要求
- 计算机、人工智能、金融经济相关专业背景。
- 熟练掌握机器学习、自然语言处理、大语言模型等相关领域的基本理论和算法。
- 熟练掌握Python编程语言，熟悉主流深度学习框架（如PyTorch），具备大规模数据处理和分布式训练的实际经验。
- 具备良好的分析和解决问题能力，能够独立思考并解决复杂的技术问题。
- 具备较强的团队合作能力和沟通能力，能够与工程、产品等团队紧密配合，共同推动项目落地。
- 热爱人工智能领域，对探索新事物充满热情。 加分项（人才画像偏好）： ● Good Data Taste (极佳的数据审美)： 对数据质量有近乎偏执的追求，能从杂乱的数据中识别出决定模型能力的“黄金样本”。 ● Following the First Principle (第一性原理)： 拒绝盲从经验，能从底层物理和信息论角度思考模型与数据的本质关系。 ● Algorithm & System Co-design (算法工程协同)： 具备算法与系统协同优化的视野，能通过对存算引擎或数据处理算子的深刻理解提升数据处理和实验迭代效率。 ● Interdisciplinary Background (跨学科背景)： 具备“金融 + 计算机/数学”的复合背景，深入理解金融研报逻辑、合规准则或精算模型者优先。 ● Curiosity-driven (好奇心驱动)： 对大模型领域的新生事物保持极度兴奋，有顶级学术论文（ACL, NeurIPS 等）或高水平竞赛、开源贡献经历。 ● Full-stack Execution (全栈执行力)： 具备从底层算子修改到上层算法调优的 Hands-on 全链路解决问题能力。
