大模型训练算法工程师

岗位定位： 本岗位属于基础大模型训练方向，核心聚焦金融垂类大模型的预训练、后训练与核心算法突破。你将深入大模型训练的全链路，探索如何在金融领域实现模型能力的极致优化。 岗位职责： 参与金融垂类大语言模型的方案设计，覆盖数据清洗与构建、预训练/持续预训练、指令微调（SFT）、人类反馈对齐（RLHF/DPO）等全流程研发。 针对模型的指令遵循、逻辑推理及多轮对话等核心能力进行专项优化，持续迭代提升模型在金融场景下的表现。 研究并应用模型训练加速技术，包括分布式训练框架（如DeepSpeed、Megatron）的调优，保障大规模GPU集群的高效稳定训练。 跟进NLP及大模型领域的前沿学术进展（如MoE架构、长文本、推理缩放等），探索下一代大模型训练范式并推动在金融业务中的落地。 任职要求： 学历专业： 硕士及以上学历，计算机科学、人工智能、数学、统计学等相关专业。 编程能力： 熟练掌握Python，精通PyTorch等主流深度学习框架，具备良好的工程化思维。 理论基础： 深入理解Transformer架构、Attention机制，熟悉LLaMA、Qwen等主流开源大模型的结构特性。 实践经验： 有大模型预训练、微调（SFT/RLHF）或分布式训练的实际项目经验（含实验室项目或实习经历）。 加分项： 在NeurIPS、ICML、ACL等顶会发表过相关论文；熟悉CUDA算子优化或拥有百卡级训练调优经验。 工作地点： 重庆 / 北京