算法专家岗位职责

1、负责电力交易算法研发工作，研究与电力交易相关的电力日前现货，实时现货，月度和合约等价格预测算法，研究电力交易和相关的报量报价策略；2、参与电力交易模块相关的产品开发，跟踪对接产品和业务需求，进行算法设计，接口设计，与产研部门合作进行算法模块的设计、开发和测试；3、参与项目需求分析，制定技术方案，推动项目落地，并协调跨部门合作。岗位要求:1、全日制硕士及以上学历，数学、计算机科学、电子工程、能源或相关专业优先。2、10年及以上算法研发经验，有电力交易算法研发经验者优先。3、具备优秀的团队领导、沟通及项目管理能力，能够协调跨部门合作并推动项目高效执行。

核心职责:
1.大模型基座引入与优化:负责跟踪国际前沿大模型技术动态,评估并引入适合金融领域的基座大模型(如deepseek、Qwen系列等)。
2、金融垂类模型训练与调优:研发数据合成技术，利用金融领域高质量数据(如技术标准、业务文档、专家经验等)生成高质量训练集。基于金融业务场景,设计并实施领域适配的后训练方案，包括但不限于SFT、RL等,确保模型具备金融专业知识与业务理解能力。
3.训练算法工具化与平台建设:持续跟进与实践*新的后训练算法，将行业训练算法(如SFT/DPO/GRPO等)封装为标准化工具，降低技术使用门槛，提升团队研发效率。构建完整的大模型训练与评估平台，支持从数据准备、模型训练到性能评估的全链路工作。研、究模型训练和推理优化技术,包括高效训练框架、模型小型化(稀疏化、压缩、剪枝、蒸馏)等,确保技术方案的成本效益与可扩展性。
4.技术研究、团队领导与落地推动:跟踪大模型领域*新研究成果，特别关注金融垂类模型的前沿进展，定期输出技术研究报告。领导模型训练方向，开展研发工作，制定技术路线图,指导团队成员解决关键技术难题。与业务和开发部门紧密合作，理解金融业务需求,将大模型技术转化为实际业务价值。

招聘要求:
1.教育背景:计算机科学、人工智能、数学、统计学或相关专业硕士及以上学历，NLP/知识图谱/机器学习/视觉图像/语音视频等优先。
2.技术能力:精通Python编程语言，熟悉常用数据结构和算法,具备优秀的工程实现能力，
熟悉Alcode优先。熟悉常用的机器学习、深度学习或者强化学习相关算法，对Transformer架构、gpt/deepseek等主流大模型底座有深入理解。同时具有金融业务知识优先。
3.工作经验:从事AI算法研发相关经验5年以上，具有大模型训练(预训练或后训练)、智能体训练相关实际落地经验。在强化学习、NLP、知识图谱、LLM、对话机器人、多模态、语音、大模型,AIGC、内容建模、用户建模上有丰富的应用落地经验者优先。同时具有金融项目或者业务经验优先。
4.其他:在AI/ML项级会议(NeurIPS、ICML、ACL等)发表过相关论文，或项级AI竞赛获奖，或参与过知名开源大模型项目贡献者优先。

核心职责
1.技术追踪与引入:跟踪国际前沿多智能体技术(如协同控制、分布式学习、大模型驱动的智能体框架)，评估其在金融场景的应用潜力，主导引入高性能多智能体框架(如基于LLM的任务规划系统、混合控制架构等)。研究及引入垂域智能体技术(如Deep Research、Code Agent,Agentic RAG)的进展，构建技术选型矩，制定金融场景的适配路径与集成方案。
2.多智能体能力建设:主导设计并实现面向金融领域的多智能体系统，重点突破Context Engine、Memory、Tool Use、ReAct、Plan-and-Execute、MCP等核心能力，并探索端到端的 Agentic RL 训练方法，以提升智能体在复杂金融环境中的自主性与适应性。
3.金融场景适配与工具化平台:
深入理解金融业务，将多智能体技术与业务痛点结合,提供创新的技术解决方案并推动落地。将多智能体核心能力封装为标准化工具和平台组件，造金融专属的智能体开发套件,降低技术使用门槛。构建智能体仿真测试环境，验证系统在复杂金融场景下的鲁棒性，确保输出符合行业规范与监管要求。
4.团队协作与指导;负责方向的规划、方案的设计及人员的指导。在项目中发挥技术领导力.助力团队整体技术提升。
任职要求
1.教育背景:计算机科学、人工智能、数学、统计学或相关专业硕士及以上学历，NLP/知识图谱/机器学习/视觉图像/语音视频等优先。
2.技术能力:精通 Python编程语言，熟悉常用数据结构和算法，具备优秀的工程实现能力，熟悉Al code优先。熟悉常用的机器学习、深度学习、强化学习相关算法，对Transformer架构、gpt/deepseek等主流大模型底座有深入理解。同时具有金融业务知识优先。
3.工作经验:从事AI算法研发相关经验5年以上，对多智能体系统的关键技术(如Context Engine、Memory、ReAct、Plan-and-Execute 模式、工具执行、端到端Agentic RL 训练)有实践经验。
4.其他:在AI/ML顶级会议或者期刊(NeurIPS、ICML、ACL等)发表过相关论文，或顶级 AI竞赛获奖，或参与过知名开源大模型项目贡献者优先。