中国平安
大模型训练算法专家
大模型训练算法专家
发布于 大约 16 小时前基层主管/组长
深圳市
高级经验
全职员工
仅现场办公
硕士
深度学习
NLP
强化学习
SFT
金融
模型优化
知识图谱
大模型
RL
DPO
AI 估算 · 35k–65k
前沿技术岗位，深圳大厂，硕士5年+经验，市场行情较高。
职位详情
关于这个职位
该职位负责金融领域大模型的引入、训练与优化，包括基座选型、垂类模型微调及训练平台建设
需要带领团队攻克技术难题，推动大模型在业务中落地
适合有5年以上AI经验、精通大模型训练和强化学习算法的高级工程师
最低要求
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
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AI code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
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
工作职责
大模型基座引入与优化：跟踪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等）
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
训练算法工具化与平台建设：持续跟进与实践最新的后训练算法，将行业领先的训练算法（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
技术研究、团队引领与落地推动：跟踪大模型领域最新研究成果，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
优先资格
在AI/ML顶级会议（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
AI 洞察
优缺点分析
- 身处金融科技前沿，接触最先进的大模型技术，技能积累快
- 平安作为巨头企业，资源丰富，平台稳定，项目影响力大
- 金融领域对AI需求旺盛，职业发展空间广阔，薪资竞争力强
- 团队领导角色，能锻炼管理和技术决策能力
- 技术难度高，需要持续学习跟进最新论文和算法，压力较大
- 金融业务合规要求高，模型落地需谨慎，可能面临反复迭代
- 大公司流程较多，跨部门协作可能影响效率
- 适合热爱技术、追求前沿、有较强自驱力和抗压能力的高级算法工程师，愿意在金融科技领域深耕
角色解读
- 技术方向：从大模型训练专家成长为首席科学家或技术VP，引领公司AI战略
- 管理方向：带团队规模扩大，晋升为部门总监或AI研究院负责人
- 业务方向：深入金融业务，成为金融AI解决方案架构师，推动业务创新
- 评估和引入适合金融业务的基座大模型，并针对金融场景进行后训练（SFT、RL等）优化
- 研发数据合成技术，利用金融高质量数据生成训练集，提升模型的金融专业能力
- 搭建标准化训练工具和全链路平台，推动训练流程自动化和效率提升
- 带领团队跟踪前沿技术，制定技术路线图，并与业务部门协作完成落地
- 精通Python和深度学习框架，熟悉Transformer架构和大模型原理
- 深入理解SFT、RL、DPO、GRPO等后训练算法，有实际大模型训练经验
- 具备强化学习、NLP或知识图谱等领域经验，熟悉模型压缩、蒸馏等优化技术
- 有团队管理或技术领导经验，能够指导团队解决难题并推动项目
申请策略
- 了解平安的金融业务场景，思考大模型可落地的具体方向（如智能投顾、风控、客服）
- 准备一个技术分享案例，展示你在某个项目中的技术决策和团队领导力
- 突出大模型训练（预训练或后训练）的实际项目经验，包括数据构建、模型调优和效果评估
- 强调在强化学习、NLP等领域的论文或竞赛成果，特别是NeurIPS、ICML等顶会
- 展示开源贡献或工具开发经历，体现工程化和平台建设能力
- 如有金融相关项目经验，务必重点说明业务理解和技术转化成果
- 提前熟悉DeepSeek、Qwen等主流开源大模型的使用和微调方法
- 补充强化学习算法知识，特别是PPO、GRPO等与LLM结合的最新方法
面试指南
- STAR原则：情境、任务、行动、结果，结构化描述项目经验
- 对比分析法：比较不同技术方案的优缺点，展示深度理解
- 问题解决框架：先定位问题根因，再提出多种方案，最后讲决策依据
- 请详细描述你在大模型训练中的一个实际项目，包括数据准备、模型选择、训练策略和最终效果
- 比较SFT、RLHF、DPO的区别和适用场景，你更倾向哪种方法？为什么？
- 如何评估大模型在金融领域的表现？你会设计哪些指标？
- 你如何带领团队解决训练效率低或模型不收敛的问题？举例说明
- 如果让你为平安设计一个金融大模型，你会考虑哪些关键步骤和风险？
匹配度报告
70
综合匹配度
金融科技大厂，大模型前沿技术，团队领导岗，薪资高但WLB一般。
适合人群
该职位最适合发展动机强的求职者，追求技术成长和领导力锻炼，能接受高强度工作。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利80
成长发展90
工作生活40
使命价值70
薪资福利匹配
80较高
未披露薪资，但平安为上市巨头，通常提供有竞争力的薪酬和完整福利体系。
薪资信号未披露 (35K-65K/月)
成长发展匹配
90较高
技术栈为大模型前沿，带领团队，成长空间巨大，但未明确提及晋升通道。
技术前沿前沿/新兴技术
技术栈大模型、深度学习、强化学习、SFT、RL、DPO、GRPO、Transformer、DeepSeek、Qwen、NLP、知识图谱、模型优化
业务类型ambiguous
工作生活匹配
40较低
仅现场办公，未提及WLB，大厂金融科技岗位工作强度可能较大。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值匹配
70中等
金融科技属于高速增长行业，但社会影响力中性，技术创新积极。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs