岗位职责
- 建设金融领域深度 Benchmark：抽象投资理财领域的真实任务，把金融专家的研究框架、分析逻辑与业务规则沉淀为可泛化、可规模化的 Rubric / Checkpoint；从真实流量、典型任务、长尾与高风险 Case 构造有代表性的金融评测集，持续提升蚂小财的金融专业力与事实准确性；
- 设计金融专业评测标准与多路 Judge：联合金融专家、产品、算法团队，将专业判断转化为原子、可追溯的标准；组合 LLM Judge、金融事实核验、规则 / Python Judge、Vision 与 Trace Judge，并结合专家 Gold 持续校准，提升评测可信度；
- 开展版本评测与根因归因：搭建生产级评测工程，通过同口径 A/B、配对实验、置信区间与噪声基线判断版本变化是否真实，链路定位问题，区分模型错误、金融口径差异、检索供给错误、工具故障与 Judge 误判；
- 推动质量改进闭环：将评测发现转化为模型、数据、Prompt、工具、产品或标准的明确改进动作，建立Badcase 闭环，联动算法、产品、工程与金融专家团队，输出支持版本准出与研发决策的指标、证据与代表性 Case。
职位要求
- 金融相关专业背景：计算机/数学/统计 + 金融交叉背景优先，金融工程、金融学、数量经济等相关专业；有基金、券商、银行理财、投研、量化或保险资管等金融机构从业经历者优先；3年以上工作经验，本科及以上；
- 投资理财专业能力： ① 领域知识——熟悉股票、基金、ETF、债券、衍生品、资产配置等至少一个方向，能核验并挑战其中的金融逻辑与结论； ② 数据严谨性——理解金融数据的主体、口径、币种、复权、报告期等维度，能识别主体错配、时点错配、单位错误与口径混用，能从推导过程、适用条件、风险边界追问结论的可靠性； ③ 合规边界——理解收益承诺、投资建议、投顾适当性等金融合规红线；
- AI 动手经验：拥抱 AI，有用大模型做过投资理财类 Agent、量化分析、投研辅助等场景任务的动手经验，熟悉 Prompt、RAG、Agent 与工具调用机制；
- 评测与方法论：对评测与实验设计有兴趣，愿意在团队方法论下掌握抽样、对照实验、Precision/Recall、置信区间、偏差等概念；具备结构化分析与证据意识，能在结论存在争议时明确事实、假设与边界；
- 加分项：建设过 LLM Benchmark、LLM-as-a-Judge、RAG / Agent Evaluation 或自动化评测平台；有 CFA、FRM、CPA、证券/基金从业等知识体系；有论文、专利、开源项目或用 AI 解决过金融行业问题的可展示案例。
