1、大模型训练与优化：负责金融场景大语言模型的训练全流程研发，持续提升模型的推理、对齐与泛化能力，设计并实现基于强化学习的大模型训练方案（如 PPO、GRPO 等），优化奖励模型（Reward Model）设计与训练稳定性； 2、Agent 系统研发：构建与优化基于大模型的 Agentic 系统，包括任务规划、工具调用（Tool Use）、多智能体协作、长程记忆与推理等核心能力； 3、自进化系统探索：研究并落地模型自我迭代（Self-Evolving）机制，推动模型能力的持续自主提升； 4、前沿技术跟踪：跟踪大模型领域最新进展（RL、Agent、harness），并结合业务场景快速验证与落地。 1、计算机、人工智能、数学、统计等相关专业硕士及以上学历； 2、扎实的机器学习/深度学习基础，熟悉 Transformer 架构及主流大模型原理； 3、熟练掌握 Python，熟悉 PyTorch 等主流深度学习框架； 4、熟悉大模型训练全流程（预训练、SFT、对齐训练等），有实际训练经验； 5、良好的工程能力、问题分析能力与团队协作意识。 优先条件（加分项） 1、具备大模型监督微调/强化学习训练经验，有奖励模型设计与训练调优经验者优先； 2、具备 Agentic 系统研发经验，熟悉 Function Calling、多智能体框架、规划与推理链路者优先； 3、具备自进化 / 自我改进系统相关研究或落地经验者优先； 4、在顶级会议/期刊（NeurIPS、ICML、ICLR、ACL、CVPR 等）发表过论文，或有知名开源项目贡献者优先。