一、學(xué)歷與專業(yè)
學(xué)歷：本科及以上（本科需極強項目背景）
專業(yè)：計算機、AI、軟件工程、電子信息、自動化、數(shù)學(xué)等相關(guān)專業(yè)

二、核心經(jīng)驗
年限：3年+AI研發(fā)經(jīng)驗，2年+大模型/AI系統(tǒng)架構(gòu)設(shè)計經(jīng)驗
項目：參與過金融大模型/AI中臺從0到1落地（智能風(fēng)控、財富助手、智能客服、投研、合規(guī)等）
行業(yè)：銀行/保險/證券等金融AI項目經(jīng)驗優(yōu)先
管理：算法團(tuán)隊負(fù)責(zé)人/架構(gòu)負(fù)責(zé)人經(jīng)驗優(yōu)先

1、行業(yè)解決方案設(shè)計與交付：基于阿里云大模型技術(shù)（如通義千問），為銀行、保險、證券等金融客戶量身定制AI大模型解決方案，覆蓋AI財富助手、智能客服、智能風(fēng)控等核心場景。深入理解客戶業(yè)務(wù)痛點，提供從需求分析、技術(shù)選型到方案落地的全流程支持，確保大模型技術(shù)與金融業(yè)務(wù)深度融合。

2. 大模型全生命周期技術(shù)賦能：主導(dǎo)客戶側(cè)大模型后訓(xùn)練（Post-training）、領(lǐng)域微調(diào)（Domain-specific Fine-tuning）、模型蒸餾（Distillation）及多模態(tài)融合優(yōu)化，提升模型在金融垂直場景的精度及性能。優(yōu)化大模型訓(xùn)練與推理性能，包括分布式訓(xùn)練加速（如DeepSpeed、Megatron-LM）、顯存優(yōu)化、量化壓縮（INT8/FP16）及低延遲推理部署（如vLLM、SGLang）等。

3. 工程化落地與性能調(diào)優(yōu)：解決金融場景高并發(fā)、高穩(wěn)定性需求，設(shè)計高性能計算架構(gòu)，優(yōu)化模型在GPU/TPU集群的訓(xùn)練效率及端到端推理鏈路。結(jié)合金融行業(yè)數(shù)據(jù)隱私與安全要求，設(shè)計符合監(jiān)管的模型部署方案。

4. 客戶技術(shù)賦能與生態(tài)共建：面向客戶技術(shù)團(tuán)隊提供大模型技術(shù)培訓(xùn)、實戰(zhàn)工作坊及POC驗證，推動AI能力在客戶內(nèi)部的規(guī)?；瘧?yīng)用。沉淀金融行業(yè)大模型最佳實踐，輸出白皮書、案例研究及標(biāo)準(zhǔn)化解決方案，提升阿里云在金融AI領(lǐng)域的市場影響力。

年薪：25-30w、五險一金、雙休