业务技术-AI Agent 优化工程师-智能内控方向

岗位面向淘天集团智能内控体系建设，聚焦资金风险防控、流程合规审计、异常交易识别等核心业务场景，负责大模型及AI算法在复杂企业内控环境下的深度调优与效果落地，构建高精度、可解释、可信赖的智能内控AI引擎。 1. 面向资金流水、审批日志、合同文本、操作行为序列等多模态内控数据，设计并实施SFT（Supervised Fine-Tuning）、DPO/RLHF等后训练对齐方案，提升模型在内控垂域任务中的指令遵循能力与事实准确性； 2. 构建覆盖内控场景的自动化评测体系，包括但不限于：Benchmark构建、Golden Set标注、RAGAS/TruLens评估、幻觉检测（Hallucination Detection）、置信度校准（Confidence Calibration）及A/B Test框架，量化模型迭代收益； 3. 针对合规推理、风险归因、异常溯源等长链路决策任务，优化Prompt Engineering、CoT（Chain-of-Thought）、ReAct Agent架构及检索增强生成（RAG）策略，提升复杂业务问题的端到端解决率； 4. 深入分析Bad Case与Corner Case，通过LoRA/QLoRA微调、知识蒸馏（Knowledge Distillation）、数据合成（Synthetic Data Generation）等手段持续优化模型表现，平衡效果、延迟与推理成本； 5. 与内控业务专家、策略运营及工程团队紧密协作，将模糊的合规诉求转化为可量化的算法优化目标，推动AI能力在内控全流程的规模化落地。 【任职要求】 1. 硕士研究生及以上学历，计算机、人工智能、统计学、数学、金融工程等相关专业优先； 2. 3年以上大模型/NLP算法研发或调优经验，精通Transformer架构原理，熟练掌握SFT、RLHF、DPO、Agentic RL等对齐训练范式； 3. 具备扎实的Agent评测能力，熟悉主流评测框架（如lm-evaluation-harness、OpenCompass、RAGAS）和常用评测benchmark，掌握BLEU/ROUGE/BERTScore/F1/AUC等指标适用边界，能独立设计面向业务的Task-Specific Evaluation Protocol； 4. 精通Python编程，熟练使用PyTorch/TensorFlow、DeepSpeed/Megatron-LM、vLLM/TGI等训练与推理框架（任意一个即可）； 5. 对数据质量敏感，掌握数据清洗、去重、配比采样、Curriculum Learning等数据工程方法论，理解数据分布偏移（Distribution Shift）对模型效果的影响； 6. 具备大数据处理能力，熟悉Spark/Flink/Hive等分布式计算框架，能够独立完成TB级日志、行为序列、交易流水等内控数据的ETL开发、特征工程与批量加工，了解数据湖仓架构（如Delta Lake/Iceberg/Hudi）及OLAP引擎（如ClickHouse/Doris/StarRocks）者优先； 7. 具备优秀的跨团队沟通能力和业务抽象能力，能将内控合规规则转化为可训练的标签体系或Reward Function 加分项： 1. 有企业内控、风控、审计、反舞弊或金融合规领域实际项目经验，熟悉SOX/COSO框架或电商交易风控逻辑者优先； 2. 有大型Agent项目完整评测体系落地经验者优先； 3. 在NeurIPS/ICML/ACL/EMNLP/KDD等顶会发表过Alignment、Evaluation、Agent或FinTech相关论文者优先； 4. 主导过开源大模型微调项目或在HuggingFace/OpenCompass等平台贡献过高质量数据集/评测集者优先； 5. 具备Graph Neural Network（GNN）、时序异常检测、因果推断（Causal Inference）等传统算法与大模型融合应用经验者优先； 6. 了解模型安全与可信AI（Red Teaming、Safety Alignment、Explainability）相关技术，能在合规场景中保障模型输出可控、可追溯。