加入公司算法团队(Knowledge Lab)一起研发 LLM 为主的 AI 算法在金融信息加工与分发以及在投资研究等领域的应用，打造世界领先的金融 AI企业。主要工作内容包括： 1.基于开源 LLM 做金融领域的持续预训练,SFT/ReFT,Prompt 工程，加速推理。 2.基于闭源 LLM 做智能问答,Text2SQL, 任务 Agent,生成式推荐等应用研究。 3.在 LLM 基础上，研发面向特定任务的专用模型，包括意图识别，实体与属性抽取，文本标签与分类，情感分析，语义嵌入，语义排序，思维链抽取等任务。 4.融合 LLM 通用与专用的各种模型，实现搜索问答与推荐，信息提炼/数据提取，题材与事件的信息聚合，自动生成报告等信息生产与分发的应用。 5.从非结构化文本和结构化数据中，构建金融领域的事理图谱和投资逻辑图谱。应用图谱去增强搜索问答与推荐，事件关联的风险识别与个股推荐等 6.基于用户画像和内容画像以及金融热点做题材订阅推送，事件关联推送，个性化推荐以及上下文感知推荐。 7.基于统计学/贝叶斯理论，金融工程学，时序模型/状态空间模型等 ML技术做金融市场的行业周期识别，景气度/市场情绪指数的定义与测定，盈利预测/供需推算成本收人测异，基本回挖掘，组台配直们化，风险信号检测等。 8.与外部科研单位(清华大学，IDEA等)合作研发 AI驱动的投资策略，从另类数据中挖据投资机会，提高投资收益率，降低收益波动率。

1.具备 5 年及以上机器学习、深度学习等算法开发工作的实践项目经验。有上述岗位职责中相关工作的算法模型研发经验者优先。 2.有坚实的专业理论知识，本科及以上学历计算机科学与软件工程、应用数学与统计.金融工程等相关专业优先。 3. 有 Python 编程经验,精通至少一种主流编程经验，精通至少一种主流编程语言，如Python，C++，Java等，熟练使用主流机器学习框架和工具，如 TensorFlow、PyTorch、scikit-learn、Keras等;了解常见的数据处理工具和库，如 Pandas、NumPy、SQL等。 4.对常用的算法理论和模型有理解，如神经网络，SVM，决策树，聚类,回归，Transformer架构，强化学习等。 5.对NLP 与生成式 A| 的相关技术有深入理解，有 LLM 学习与实践经验者优先。独立完成业务大课题的算法建模，框架搭建算法调优。