中国平安
应用算法
应用算法
发布于 大约 21 小时前普通员工/个人贡献者
深圳市
中级经验
全职员工
仅现场办公
硕士
机器学习
深度学习
数据挖掘
PyTorch
推荐系统
算法优化
金融风控
强化学习(Rl)
大语言模型(Llm)
自然语言处理(Nlp)
AI 估算 · 30k–50k
大厂金融算法岗，硕士3年经验，结合深圳市场和行业竞争力，薪资处于较高水平。
职位详情
关于这个职位
该职位是中国平安金融科技领域的应用算法岗，聚焦于利用前沿大模型技术解决推荐、营销、风控等核心金融场景的算法难题
你将参与从原型设计到生产落地的全流程，负责大模型后训练与评测，并持续引入最新AI技术
适合具备深度学习与NLP背景、追求技术挑战的算法工程师
最低要求
聪明自省有冲劲，敢想敢做，愿钻研，具备强烈的算法创新能力和解决复杂问题的能力
计算机科学、人工智能、应用数学、统计学等相关专业，硕士及以上学位并具备3年以上相关工作经验
精通传统机器学习和深度学习理论，熟悉至少一种主流深度学习框架（PyTorch 优先），熟悉主流的预训练模型、微调技术和对齐方法
工作职责
围绕金融领域的推荐、营销、客服、投研投顾、风控等场景，构建端到端算法解决方案，完成从原型设计、实验验证到生产环境部署的全流程落地
主导或参与金融垂直大模型的选型、后训练（SFT、RL等）
同时构建严格的模型评测体系，包括幻觉检测、事实性评估、安全性和有效性测试，并负责模型效果的持续迭代
持续追踪并引入最新的 LLM/LVM 算法进展，如 MoE、多模态、长文本处理等，推动其在金融场景中的应用
与产品、工程、数据团队紧密协作，梳理业务需求，将算法能力转化为可落地的产品功能，提供技术支持与方案评审
撰写高质量技术报告，参与申请金融 AI 相关专利，积极参与科技影响力的建设中
优先资格
a）金融大模型相关应用开发经验，包括智能风控、智能营销、智能投顾等
b）实际大模型的预训练、后训练（SFT、RL）等项目经验
c）有CCF-A、CCF-B等顶会paper者
AI 洞察
优缺点分析
- 身处金融科技头部企业，平台资源丰富，能接触海量真实金融数据
- 前沿技术栈（LLM、多模态），技术成长空间大，紧跟AI浪潮
- 公司重视技术创新，鼓励专利和顶会论文，有助于提升个人影响力
- 薪资福利有竞争力，职业发展路径清晰
- 金融场景对模型准确性和安全性要求极高，容错率低，压力较大
- 需要持续学习最新技术，保持技术敏感度，学习成本高
- 跨团队协作频繁，需要较强的沟通和项目管理能力
- 适合具有较强算法功底、热衷于解决复杂问题、希望在金融AI领域深耕的技术型人才
角色解读
- 技术方向：从算法工程师进阶为资深算法专家，深入大模型底层研发
- 业务方向：成长为金融AI解决方案架构师，主导业务线算法策略
- 管理方向：有机会带领算法团队，负责团队技术规划与项目交付
- 设计和实现金融场景下的推荐、营销、风控等算法模型，从原型到生产全流程落地
- 主导金融垂直大模型的选型、后训练（SFT/RL），并构建严格的模型评测体系
- 跟踪并引入LLM/多模态等前沿技术，推动在金融业务中应用
- 与产品、工程、数据团队协作，将算法能力转化为可落地的产品功能
- 扎实的机器学习与深度学习理论基础，精通PyTorch等框架
- 熟悉大模型预训练、微调、对齐方法，有实际项目经验优先
- 较强的算法创新和复杂问题解决能力，能独立构建端到端方案
- 良好的团队协作和沟通能力，能与多角色高效配合
申请策略
- 面试前深入了解平安的金融业务场景，准备针对性的算法方案
- 关注公司技术博客或公开分享，了解其技术文化
- 突出大模型相关项目经验，特别是SFT/RL等后训练工作
- 展示在推荐、风控等金融场景的算法落地案例，强调业务效果
- 列举顶会论文、专利等成果，体现学术与工程结合能力
- 强调精通PyTorch及分布式训练框架的实践经验
- 提前系统学习LLM微调技术（LoRA、P-Tuning、RLHF等）
- 补充金融领域知识，了解智能营销、风控等业务逻辑
面试指南
- 针对项目类问题：采用STAR法则（情境-任务-行动-结果），结合具体数据和技术细节
- 针对方案设计类问题：先明确业务目标，再分步骤阐述数据、模型、评估、部署等环节，突出端到端思维
- 针对技术理解类问题：先解释概念，再结合实践经验或论文，最后联系金融应用场景
- 请简述你参与过的一个大模型后训练项目，遇到的最大挑战是什么？
- 如何评估一个金融风控模型的性能？你会选择哪些指标？
- 给定一个营销推荐场景，你会如何设计算法方案？
- 谈谈你对MoE和多模态的理解，及其在金融领域的潜在应用
- 如何处理大模型在金融场景中的幻觉问题？
匹配度报告
74
综合匹配度
平安金融算法岗，前沿大模型技术，薪资优厚，但工作强度可能较大。
适合人群
最适合技术驱动型求职者，渴望接触前沿AI技术并在金融领域深度应用。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利75
成长发展90
工作生活50
使命价值80
薪资福利匹配
75中等
薪资未在JD中披露，但平安作为上市大厂，算法岗薪资一般处于市场较高水平，福利体系完善。
薪资信号未披露 (30K-50K/月)
成长发展匹配
90较高
职位聚焦大模型、LLM等前沿技术，工作内容涉及研发和落地，能深度参与高价值项目，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈LLM、SFT、RL、MoE、多模态、PyTorch、大模型
业务类型profit_center
工作生活匹配
50较低
JD未提远程或弹性办公，大厂算法岗通常要求现场办公，工作强度可能较高，WLB一般。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
80较高
金融科技行业增长迅速，AI在金融中的应用具有较大社会价值，但JD未明确使命感表述。
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