1. 金融高质量数据方案设计与质量体系建设 主导金融领域高质量训练数据的生产与标注方案设计，并持续迭代数据标准、质量标准及验收机制；能够将大模型训练目标和复杂数据需求拆解、转译为金融专家可理解、可执行的任务，识别并解决数据生产过程中的边界案例、专业歧义及质量问题；参与金融领域专家的识别、能力评估与审核，并为专家提供必要的任务指导和培训。 2. 金融训练数据研究与构建 负责金融垂类训练数据的判断、研究与构建，基于金融行业经验理解不同类型数据的结构、专业含义及价值，协助团队准确判断金融数据的适用场景和质量；研究行业高质量数据的生产方法和模式，结合模型能力边界，利用大模型及AI工具，将金融专业知识、真实工作任务和专家经验转化为高质量、可训练的数据，为模型金融能力提升提供有效的数据支撑。 3. 金融模型能力定义与评测体系建设 结合金融行业真实工作场景，研究并定义金融垂直领域的大模型能力体系、评测任务、评价标准，探索更加科学、客观、可验证的金融模型评测方法；通过模型评测识别能力边界和关键问题，并进一步指导训练数据建设和模型优化，推动模型在专业性、准确性、合规性及真实任务解决能力上的持续提升。 4. 金融行业洞察与AI能力落地 持续跟踪金融市场、行业实践及AI技术发展，识别大模型在金融领域的新场景、新任务和能力需求，为模型训练和数据建设提供前瞻性判断；深入理解金融行业真实工作流，推动大模型能力与投研、估值、财务分析等实际业务场景结合，探索AI在金融专业工作中的落地方式。