岗位职责
研究领域： 数据合成与标注 项目简介： 金融大模型的后训练数据，正在从相对静态的知识问答、指令微调数据，逐步转向更贴近真实金融工作的复杂任务数据，这类任务不仅需要一条“问题—答案”，还需要完整的任务环境、工具、执行轨迹、过程反馈和可验证的评价标准，因此生产难度和成本显著高于传统 SFT 数据。 由于金融领域的特殊性，目前国内金融Agentic质量普遍不达预期，后训练数据引入主要靠海外数据引入，但价格非常高（8000元/条），且数据生产过程不透明，内部难以复用和大规模引入，因此，探索 建设内部金融高质量Agentic数据 是非常有必要的。 我们链接了外部金融数据行业动态、金融高质量数据供给、原始数据沉淀和模型训练反馈，具备以下独特优势：
- 高质量样本可见：金融最高质量的数据是在我们这里，我们可以通过这些高质量数据去系统研究海外优质数据的任务类型、结构、轨迹和标准；
- 训练效果可见：我们提供的数据算法会反馈训练效果给我们，这个将作为什么数据真正有效的重要依据；
- 行业动态触达：长期与海外研究型数商建联与交流，能够吸收其任务设计、专家组织、数据合成和质量控制方法；
- 金融原始资产沉淀：研报、公告等金融原始数据可直接用于环境构建、数据合成； 因此，本项目围绕真实金融投研工作场景，建设可交互、可验证、可规模化复用的 Agentic RL 环境和数据生产流水线，形成内部自主生产对标海外高质量金融智能体训练数据的能力。
职位要求
研究领域： -目前正在攻读计算机科学或金融领域的硕士或博士学位 -扎实的基本面研究功底，清晰的逻辑思维和解决问题能力，快速学习能力，能适应全新领域以及不断演进的变化趋势； -有一定的AI代码能力； -具有上述研究领域的相关经验,包括行业经验或作为参与实验室研究 优先录用： -对技术研究充满热情,具有产生新思想和创新的能力; 在自学,问题分析和解决方面表现出色 -在国际会议上或核心期刊发表一份或多份出版物或论文 -至少3个月的全职工作
