职位描述

【岗位职责】：

1、跟踪并深入研究LLM（大语言模型）领域的最新科研成果及业界动态，探索其在金融投资中的应用。

2、参与基于大模型的量化策略设计与算法开发，涵盖信号生成、组合优化、模型训练等环节，利用大模型、多模态技术和强化学习（RL）推进AI投资和AIGC。

3、优化大模型在金融场景下的推理效果，结合DPO（决策过程优化）和RLHF（强化学习与人类反馈）提升策略的稳定性与准确性。

4、参与投资Agent系统的开发，全面实现数据获取、分析、决策与执行的自动化链路，提升量化投资决策效率。

5、持续跟踪AI4Finance前沿技术，特别是多模态金融大模型、低延迟推理等领域的最新进展，为量化投资系统提供技术支持。

【岗位要求】：

1、具备扎实的数学与计算机基础，精通机器学习、深度学习及量化投资算法，熟悉计算机视觉（CV）、AIGC、自然语言处理（NLP）、强化学习（RL）等技术。

2、具有量化投资领域的实习经验，熟悉量化策略的开发、回测与优化，能够独立设计和实现基于大模型的量化投资系统。

3、在CVPR、ECCV、ICCV、NeurIPS、ICLR、SIGGRAPH或SIGGRAPH Asia等顶级会议/期刊上有论文发表者优先。

5、熟练掌握C/C++或Python编程语言，具有优秀的编程能力，ACM/ICPC、NOI/IOI、Top Coder、Kaggle等比赛获奖者优先。

6、具有较强的创新能力和解决复杂问题的能力，能够在挑战性的环境中快速学习和适应。

职位描述

【岗位职责】:

1、持续优化开源RL量化模型，能够根据实际优化目标确定方案，并且在强化学习各类方法中持续迭代。

2、负责深度强化学习（DRL）算法的研究、设计与工程实现，涵盖单智能体与多智能体场景；

3、开发并迭代经典与前沿算法（如 DQN、PPO、SAC、TD3、A3C、MAPPO 等），提升样本效率与收敛速度；

4、搭建端到端训练与评估量化交易的流水线，包括环境接口封装、数据采集、指标监控与超参调优；

5、设计能够在模拟量化交易和真实交易场景中进行算法验证与性能优化；

【岗位要求】:

1、计算机相关专业硕士及以上学历，

2、熟练掌握大模型continue pretrain, SFT, RLHF等优化模型方法，能够独立开展相关研发工作，有大模型RL agent应用落地经验者优先;

3、持续跟踪RL领域的最新进展，并结合自身业务能提出见解，拓展业务边界;

4、扎实的代码功底和工程开发能力，精通Linux 平合下的C++/Python 语言开发，熟练掌握 llama-factory，verl等训练框架；对AGNET-TARS, Camel等agent框架有深入理解;

5、目标感强，善于分析和发现问题，拆解简化，有较好的沟通和推动能力;

6、优先考虑在 ACL、 EMNLP、NAACL、 NeurlPS、 ICLR、ICML 等会议发表论文的候选人。

7、ACM/ICPC、NOI/IOI、Top Coder、Kaggle等比赛获奖者优先。

职位描述

【岗位职责】：

1. RL-enhanced LLM Agent：结合强化学习环境，构建具备记忆、反思、规划、自进化及工具调用能力的类人智能体。
2. Multi-Agent systems：研究多个智能体如何高效协作，以完成超越单个智能体能力范围的任务。
3. Omni-LLM-based Agent：开发融合文本、语音、图像多模态的智能体。
4. World Model：探索AI系统如何构建自身与外部世界的认知与期望模型。
5. 数据迭代流程优化：深入理解数据需求，推动人机协同的数据迭代流程，实现从人工到半自动化再到自动化的转变。

【岗位要求】：
1. 教育背景：高校研究生在读，具备良好的计算机或数学基础，拥有较强的编码能力。
2. 技术背景：具有LLM（大语言模型）、强化学习、推理模型等相关背景，熟悉主流大语言模型的算法架构。
3. 对齐方法：了解Alignment领域的常用方法，包括但不限于SFT、DPO、PPO、Self-Rewarding和Self-Critic等。
4. 能力要求：具备卓越的实验分析与问题解决能力，拥有创新思维，能够进行良好的沟通，并与团队成员高效协作。
【加分项】
1. 深度学习基础：具备深度学习、机器学习的基础知识，熟悉有监督学习、自监督学习等基本训练范式。
2. 项目经验：在大语言模型方面有开源项目经验者优先，或曾通过机器学习算法解决过复杂问题。特别欢迎跨界研究者。
3. 竞赛奖项：在 ACM/ICPC、NOI/IOI、Kaggle 等编程/AI 比赛获奖者优先。
4. 学术成果： ICML、ICLR、NeurIPS、ACL、CVPR 等顶级学术会议发表过有影响力研究成果的优先。

职位描述

【岗位职责】：

1. 垂直领域大语言模型、多模态大模型微调；

2. 垂直任务Benchmark、评测管线构建和日常评测；

3. 利用大模型及相关工具，搭建workflow/agent来解决实际问题。

4. 数据存储与管理： 设计和管理高效的数据库方案，特别是针对金融时间序列数据（如使用DolphinDB, InfluxDB, KDB+等）和非结构化数据（如新闻、公告），确保数据的完整性、一致性和高可用性。

5. 特征平台 (Feature Store) 构建： 牵头构建一个标准化的特征库（Feature Store），让策略研究员（做多智能体、vLLM的同事）可以方便地调用、复用和共享特征，避免重复劳动，提升整个团队的研发效率。

【岗位要求】：

1. 有大模型或者RL深度学习算法相关实习经验；

2. 有LLM基础，了解LLM基本原理、训练方法和应用技术，了解RAG、Agent方向研发范式，具备提示词工程、微调经验；

3. 对SFT、RLHF、DPO等常见的大模型微调算法都有了解，有实际操作经验者优先；

4. 扎实的编程功底，熟悉pytorch等主流深度学习框架，熟练使用python；

5. 对技术以及用技术解决实际问题有兴趣，勇于尝试；

6. 有天池等竞赛经验、论文发表者优先。