算法工程专家（大模型）

优缺点分析

角色解读

• 技术方向：深耕大模型在金融领域的前沿应用，成为AI领域顶尖专家
• 管理方向：向技术总监、AI部门负责人等高级管理岗位发展，统筹更大范围的技术战略
• 行业拓展：凭借金融+AI复合背景，可跨入其他垂直行业（如量化投资、金融科技创业）寻求更高发展
• 主导大模型在金融场景（智能投顾、智能保顾）的算法设计与落地，包括模型架构设计、训练优化和性能提升
• 领导算法团队，制定技术方向，管理项目进度，确保模型与业务需求高效对接
• 探索前沿AI技术（如Agentic开发、多模态模型）在金融领域的应用，推动创新解决方案
• 与产品、业务团队紧密协作，将算法能力转化为实际业务价值，并持续迭代产品
• 扎实的深度学习、NLP、强化学习基础，丰富的模型训练与优化经验
• 熟练使用PyTorch、TensorFlow等框架，具备大模型（LLM）开发经验
• 金融领域知识（投资、保险、风险管理），能将技术方案与业务场景结合
• 团队管理能力和跨部门沟通协作能力，具备技术视野和前瞻性

申请策略

• 申请时可在求职信中表达对金融科技的热情，并结合平安的业务提出具体的创新想法
• 关注平安的金融科技子公司（如陆金所、平安科技）的战略方向，准备针对性的技术方案展示
• 突出大模型（LLM）相关的项目经历，包括模型训练、微调、部署和性能优化，最好有金融场景案例
• 强调团队管理经验，列出带领团队规模、项目成果及技术影响力
• 体现对金融领域的理解，如智能投顾、风险评估等具体业务知识或项目经验
• 列举发表的论文、专利或开源贡献，证明技术深度和创新力
• 补充金融领域知识，如投资策略、保险产品、监管要求等，可通过CFA或相关课程提升
• 强化大模型工程化能力，如模型压缩、推理加速、部署到金融级系统

面试指南

• STAR法则：描述情境、任务、行动和结果，突出技术难点和管理亮点
• 结构化的技术评估：从准确性、效率、合规性、可解释性等维度分析模型方案
• 平衡视角：兼顾技术可行性与业务价值，给出具体的管理策略和案例
• 请详细描述你参与过的一个大模型项目，从需求到落地，你负责的技术和管理工作是什么？
• 如何评估大模型在金融场景中的可靠性？有哪些方法来提升模型的鲁棒性和可解释性？
• 你如何带领算法团队平衡技术创新与业务交付压力？请举例说明
• 对于智能投顾场景，你认为大模型可以解决哪些核心痛点？有哪些潜在的风险？
• 你最近关注的前沿AI技术是什么？如何将其应用到金融领域？