《银行科技研究社》消息：目前，我国金融科技专业人才存在缺口或供需不匹配问题。在作为新一代人工智能技术的大模型领域，专业人才短缺问题或更为明显。毕竟，随着大模型的应用不断深化，各家银行越来越关注大模型技术人员，对于相关人才的“渴望”较为强烈。 据《银行科技研究社》了解，目前有多家银行正招聘大模型相关技术人才。此次以工商银行、招商银行为例，看看两者近期需要怎样的大模型技术人才。 工行软开招聘大模型方向的数据工程专家、算法专家 工商银行软件开发中心上海研发部、杭州研发部均开启了长达一年的大模型相关岗位招聘，报名开始时间为2024年3月1日，截止时间为2025年2月28日。其中，大模型方向的数据工程专家工作涉及数据处理、数据正确性判断、数据分析、数据标注、prompt调优等方面；大模型方向的算法专家工作则涉及算法研究、技术跟进、大模型应用和落地等方面。 上海研发部招聘大模型方向的数据工程专家，职责包括：负责大模型数据任务构建，能够负责有效的高质量数据生产、整理和清洗工作；能参与到大模型训练数据的构建，对数据正确性提供判断，对模型生成内容正确性提供判断，对模型进行内容改进策略建议；对大模型应用案例和数据进行分析，归纳关键性和普遍性问题，提高内容优质率；推动大模型应用方向数据标注工作，指导标注人员完成数据的高质量构建，保证按目标及质量要求完成结果产出；对大模型的prompt撰写有了解，并且能够根据应用场景，进行prompt调优，驱动模型达到最优效果。 该岗位的其中一项任职要求为，有NLP自然语言处理经验者优先；对大模型数据要求、大模型训练过程了解。 上海研发部还招聘大模型方向的算法专家，职责包括：深入研究大型模型领域知识，跟进最新技术进展，对大模型研发、算法有深入研究；能够规划和突破基于海量数据的语言理解和生成大型模型、跨模态理解和生成大型模型等关键技术方向；语言理解和生成大型模型学习、跨模态理解和生成大型模型学习、跨任务统一学习、高效的大型模型架构等；以行业领先为目标，研发和建设理解表示、语义生成大型模型技术，并推动大型模型技术在业务端的产业应用落地和发挥业务价值，提供系统解决方案，打造可规模复制的产品能力。 该岗位对于大模型技术掌握的要求更高，任职条件包括：具备NLP/CV、大规模预训练模型、大规模语言模型、跨模态理解和生成学习等领域的相关工作和项目落地经验，有扎实的研究积累；熟练掌握深度学习框架，如TensorFlow、PyTorch等，熟悉分布式计算、GPU加速和高性能计算等技术，能够优化大型数据集；具备丰富的深度学习算法调优经验和大型模型训练工程经验者优先考虑；拥有优秀的大型模型研究能力，能够在高质量期刊和会议上发表论文，有开源项目的经验者优先考虑等。 杭州研发部则招聘大模型方向的算法工程师，具体为大模型算法岗、前沿LLM算法岗，职责包括：负责算法工作，探索前沿大语言模型在工商银行业务和未来应用场景的落地和应用；负责开发面向分行的智能帮助系统，与产品和运营团队密切合作，理解用户意图，利用先进的大模型技术以对话方式设计并落地解决方案；结合前沿大语言模型，对用户行为进行总结、理解、画像等探索，为精准营销提供决策依据。 招行招聘智能科学研发岗多个细分方向的大模型技术人才 招商银行总行信息技术部也在招聘大模型技术人才，截止时间为2024年10月31日。这些岗位均属于智能科学研发岗，但是分为不同的方向，包括基础大模型、大模型应用、智能体应用、多模态应用等。岗位任职要求中，除了限制硕士研究生及以上学历和相关专业背景外，还有专业上更细化的要求。 其一是智能科学研发岗-基础大模型研发方向，职责包括：深入理解自然语言处理领域和大模型预训练技术，研究并掌握最新的预训练技术；负责预训练模型、训练方案设计与实现，和AGI技术方向规划与关键技术突破；针对应用场景构造高质量数据、清洗数据，完成NLP算法的建设与持续优化。 专业要求为：扎实的机器学习、深度学习、NLP算法基础，熟悉强化学习、文本生成搜索策略等；熟练掌握C++和python语言，具备较强的代码工程能力，至少熟练掌握tensorflow、pytorch中一个深度学习框架，熟悉常见的机器学习和深度学习算法，能快速复现前沿算法；有Megatron/Deepspeed等多机多卡训练框架经验优先，有量化/蒸馏等推理优化经验优先；具备大规模预训练模型理论基础和丰富的实践经验等。 其二是智能科学研发岗-大模型应用研发方向，职责包括：负责大模型应用成果转化，基于最新的大语言模型、多模态等技术方法，实现金融领域下游任务场景（chatbot、风控、辅助文案等）的落地应用；负责金融领域大模型微调与提示词工程；跟踪并分析业内最新研究成果和技术动态，持续优化和改进现有模型和技术方案。 专业要求为：扎实的机器学习、深度学习、NLP算法基础，熟悉强化学习、文本生成搜索策略等；熟练掌握C++和python语言，具有大模型以及langchain应用领域研发经验；熟悉LORA、QLORA等大模型微调技术，大模型Prompt工程等。 其三是智能科学研发岗-智能体应用研发方向，职责包括：熟悉大模型底层机制，能够独立完成某个领域智能体从0到1的效果优化；熟悉prompt工程，擅长通过prompt完成流程化问题解决；擅长工具/数据的大模型调用能力调优，并具备相关能力的落地经验；长期监测和评估智能体本身的效果，并定期完成竞品的洞察和对标；持续跟进智能体技术发展趋势，提出新的分发策略和优化建议。 专业要求为：熟悉及掌握Transformer时代的NLP各方向技术，并有对LLMs在各场景上应用的知识储备；具备丰富的实践经历，熟悉图文领域智能体现有方法论，有智能体实践案例；具备产品化思维，理解模型能力边界、优化方向，以及清晰拆解客户需求并定义问题，完成业务至技术的语言转换等。 其四是智能科学研发岗-多模态应用研发方向，职责包括：负责多模态大模型研究；基于多模态大模型的预训练/SFT模型的训练、评测、部署；基于多模态大模型在金融业务场景上的应用，包括并不限于多模态分类、标签、caption等文本生成等；跟踪、探索多模态预训练前沿技术，并适时进行技术分享、专利申请和顶刊论文发表。 写在最后 当然，关注和需要大模型技术人才的银行，远不止工行和招行。据《银行科技研究社》了解，多家国有银行、股份制银行、城商行、民营银行、农商行在招聘或曾招聘大模型技术人才，可以看到，大模型方向的金融科技人才正备受青睐。