职责描述
工作内容:
进行大模型的应用探索;包括但不限于,Agent-Memory相关(简单知识库如文本知识库、复杂知识库如Text2Sql、历史决策流数据等)、后训练相关(如决策推理路径学习等)、Multi-Agent相关
进行关系人网络应用的探索和研究;在包括但不限于用户画像,贷前贷中风险建模场景,应用含标签扩散、特征工程聚合、图神经网络、图嵌入算法、社区发现,图聚类算法等方向模型或算法,提高当前主模型的性能或覆盖度
进行因果推断相关研究,在利率&额度相对于风险&响应弹性上进行建模算法研究
进行序列模型相关研究,包括但不限于历史金融序列数据,历史消费序列数据,文本数据,文本列表等等数据挖掘
进行表示学习相关研究,包括预训练、端到端训练等
要求:
统计学&计算机基础扎实,相关专业优先
具有Agent-Memory、大模型后训练、Harness相关项目经验优先
对常用机器学习&深度学习理论具有深入了解,研究方向与大模型、图算法(包括传统图算法及图神经网络相关算法)、序列模型,因果推断,迁移学习等领域相关优先
具有相关实习经验或较强工程落地能力优先,具有顶会论文,大型比赛项目(kaggle&天池等)优先
实习3-6个月以上优先,28届毕业生优先