Job description
亮点 / Highlights: 大模型积淀与实践沃土：团队过去在模型微调（Fine-tuning）、强化学习、Agent能力建设等领域有深厚积累。未来，也将拥有充足的支持和丰富的应用场景，探索大模型在营销领域、Agent数字员工等方向的落地机会；
海量数据与高挑战：依托海量用户规模和真实复杂的营销场景，算法策略将直接驱动亿级流量，适合各种前沿技术的快速验证与迭代；
价值实现的直通车：业务导向明确，算法每一次的迭代都能直接反映在ROI、转化率等核心商业指标上，成就感十足；
优秀的人才密度与研究氛围：团队同学全部来自国内外名校及大厂，可以与优秀同事并肩作战，另团队各种分享与研讨会活动丰富，技术氛围浓厚，鼓励创新与技术分享。
岗位职责 / Duties: 全链路增长体系构建：负责金融营销垂直领域基座模型的深度定制，推动大模型技术从 0 到 1 落地应用及持续迭代，从用户全生命周期（感知、获客、激活、转化、留存、召回）出发，深度参与构建高度智能的业务增长算法体系；
基于Agent技术的数字员工构建：在智能理赔、智能客服等高人力消耗领域，构建各类智能 Agent，通过提供高效智能服务，有效降低人工成本，同时提升用户服务体验。
高效的效果分析与复盘能力构建：构建自闭环高效效果分析系统，整合大模型营销全链路数据，建立涵盖转化率、ROI、用户体验、合规性的多维度评估指标体系；通过数据归因、异常诊断等手段定位瓶颈，形成标准化复盘流程并输出优化建议，驱动系统与策略迭代，实现全闭环运转，最大化 AI 营销效能。
驱动项目的完成：与产品、运营团队紧密配合，将业务问题转化为科学的数学模型，有效协调上下游资源推进项目，保障目标落地。
任职要求 / Requirements: 具备扎实的大模型与 AI 算法基础，熟悉大模型、自然语言处理NLP、因果推断、机器学习与深度学习核心技术；
熟悉Pytorch/TensorFlow框架，具备分布式训练和模型优化经验。
熟练掌握大模型训练调优与推理加速，包括但不限于大模型微调（SFT）、强化学习、蒸馏、量化部署等全流程工作
拥有生产环境 AI 项目落地经验，熟悉RAG、智能 Agent等主流框架与实现机制（FAISS/Milvus/LangChain/LangGraph），熟练掌握Prompt Engineering，能够独立完成任务设计与效果优化；能够将大模型技术与金融营销场景结合，构建用户理解、智能交互、策略优化与自动化迭代系统。