Ruitian Investment ea jobs (salary & requirements)

岗位方向：聚焦金融智能 Agent 的核心算法研发，深耕研报自动化、模型训练与工程化落地的技术突破
岗位职责：
核心算法研发：主导金融 Agent 的智能决策算法设计，包括但不限于：
研报生成逻辑的算法化实现（如行业数据关联分析、结论推导链路建模）；
优化 Agent 的工具调用策略（如动态选择数据接口、行情工具的调度算法）与多步骤任务规划（Task Planning）机制。
模型训练与迭代：
负责金融领域大模型（LLM）的微调与适配，设计针对研报撰写、金融逻辑推理的训练数据与方案（如构造金融领域 SFT 数据、RLHF 强化学习流程）；
优化 Agent 的长文本理解、逻辑链（Chain-of-Thought）推理能力，解决金融场景中多源信息冲突、复杂因果关系建模等问题。
工程化算法落地：
设计高效的 Agent 推理引擎，优化模型响应速度与资源占用（如模型压缩、推理加速算法）；
搭建算法评估体系（如研报准确性、任务完成率、工具调用效率等指标），推动算法迭代与性能提升。
前沿技术探索：跟踪智能 Agent、大模型多模态融合、具身智能等前沿领域的算法进展，探索其在金融场景（如实时行情解读、风险预警）的创新应用，输出技术方案与原型验证。
任职要求：
学历与专业：计算机科学、人工智能、应用数学、金融工程等相关专业硕士及以上学历，具备算法研究与工程实现双重背景者优先。
算法能力：
扎实的机器学习 / 深度学习理论基础，熟悉 LLM 架构、强化学习（RL）、多智能体系统等算法原理；
有智能 Agent 框架（如 LangChain、AutoGPT、MetaGPT）底层算法开发经验，或大模型微调、Prompt 工程、逻辑推理算法优化经验者优先。
技术栈与实践：
熟练掌握 Python，精通 PyTorch/TensorFlow 等框架，能独立实现复杂算法原型；
具备金融数据处理经验（如财报、研报文本、行情数据），或金融 NLP 算法落地案例（如文本生成、关系抽取）者加分。
研究与工程结合能力：
能从金融业务需求中提炼算法问题，具备将学术思路转化为工程化算法的能力；
良好的英文文献阅读与复现能力，曾在顶会（NeurIPS/ICML/ICLR 等）发表相关论文或有开源项目贡献者优先。算法工程师】