岗位职责

风险识别与整改：识别模型的漏洞，包括偏差、公平性、幻觉、安全风险等问题，并给予整改建议；
审计框架下的模型评估：对模型的全生命周期进行审计，从训练、部署到后续监控，确保质量、性能、公平性和风险管理符合相关要求；
AI模型开发与实现：设计、开发、训练并搭建机器学习和AI模型，解决审计、风险和业务运营的挑战；利用机器学习和AI技术，自动化业务和审计流程，从结构化和非结构化数据中挖掘关键发现，并提高团队在交付可行建议方面的能力；
数据分析服务：与审计师合作，为审计工作提供数据支持和指导，包括进行访谈、查看系统和具体操作、开发查询和测试策略、部署数据质量检查以确保数据集的完整性和准确性；
自动化与自助分析：与审计师合作，识别和分析关键风险指标，参与持续审计数据战略的制定，转化为相应的数据解决方案；构建并维护ETL数据任务和仪表盘；
数仓建设与数据治理：开发并维护不同业务领域的数据仓库，以高效支持审计工作；为关键数据资产实施数据质量检查，并与数据合作伙伴持续协作，确保数据资产的完整性和准确性；沟通与协作：清晰地与技术和非技术相关方沟通技术发现、风险评估和建议。

职位要求

在大型语言模型（LLMs）和传统机器学习（ML）方面具有深厚的技术专长；熟悉LLM架构（如GPT、BERT、T
PaLM）和经典的机器学习算法（如回归、决策树、神经网络）；能够分析包括模型设计、训练方法、数据管道和推理等工作内容；
精通SQL和Python（包括Hugging Face Transformers、TensorFlow、PyTorch、Scikit-learn等库），数据分析工具和机器学习管道编排平台；
具有数据集成、ETL和大规模数据处理系统的经验；
具有AWS、GCP、Azure或Snowflake等云基础设施的工作经验；
具有构建和维护数据产品或解决方案的经验，其中包括开发并持续监控的核心指标/KPI；或面向持续审计项目的数据分析解决方案，包括自动化分析和定期检查；
能够清晰地与技术和非技术利益相关方沟通技术发现、风险评估和建议。