同花顺｜金融Agent算法工程师--实习

团队介绍： 我们在做"ai 在金融投研全链路的落地"，面向研究员、分析师、投资经理等角色，打造生产级的ai智能体系统，为投研业务提供端到端提效能力：从行业深度研究与竞品分析、宏观经济趋势预测与情景推演、投资逻辑构建与论证、研报与投资建议生成，到数据验证与事实核查、多源信息整合与归因，形成可规模化复用的 ai投研生产力体系。岗位方向：agent scaffold 研发 × agent 系统评估 × agentic rl 模型训练聚焦金融投研场景下的智能体系统构建，将大模型的推理能力与 agent 的工具使用、任务规划、信息检索与多步推理能力深度结合，构建投研垂类下的 agent系统：会搜索金融数据、会调用研报api、能分析财务指标、能构建投资逻辑链、能生成可追溯的研究结论，并持续在真实投研业务中提升效果与效率。 岗位职责： 1. 聚焦金融投研全链路提效场景，负责 agent scaffold 架构设计与研发，覆盖深度研究、未来预测、投资逻辑构建、长文本内容创作等核心任务； 2. 构建生产级 agent 能力：多源数据检索与整合（宏观数据、研报库、财报、新闻等）、复杂推理与规划（多步骤任务分解、工具链编排）、证据归因与可追溯引用、长任务执行与失败恢复、结果验证与自我修正等； 3. 设计并实施 agent 系统评估体系：包括任务完成率、推理准确性、事实一致性、工具调用成功率、成本与延迟等指标，建立可量化的评测基准与持续优化机制； 4. 探索 agentic rl 模型训练技术：通过强化学习优化 agent 的决策策略、工具选择、任务规划能力，在数据配比、奖励设计、训练范式上探索最佳实践，推动投研任务效果显著提升； 5. 与投研、产品、工程团队紧密协作，推动 agent 能力落地到投研产品链路中，实现可持续迭代与规模化应用。

职位要求： 1. 2026届获得硕士及以上学历，计算机、软件工程、人工智能等相关专业优先； 2. 具备优秀的问题分析与解决能力，能够深入解决智能体在训练、推理、评测与落地中的复杂问题； 3. 熟悉 agent 相关机制（任务分解与规划、工具使用、记忆与上下文管理、rag/检索、反思与自我修复、可靠性工程等），能设计可上线的任务闭环； 4. 熟悉大模型基本原理与关键技术（指令跟随、工具调用、长文本处理、推理能力等），具备将其应用于真实业务的能力； 5. 具备 agent 系统评估或强化学习经验者优先：评测指标设计、自动化评估流程、rl算法实现、奖励函数设计等； 6. 对 claude code、openclaw 等 task-oriented 的 agent系统有深入了解和使用经验者优先，熟悉其架构设计、工具调用机制、任务规划策略等核心原理； 加分项： 1. 有 agent scaffold 框架开发或 agentic rl训练研究或应用经验者优先，尤其是在金融、投研、分析等垂直领域的落地实践； 2. 熟悉金融投研业务流程与数据源（wind、bloomberg、研报库、财报数据等），具备金融领域知识者优先； 3. 在 icml、iclr、neurips、acl 等顶级会议/期刊以第一作者发表过高影响力成果者优先； 4. 在 acm/icpc、noi/ioi、kaggle 等竞赛中获奖者优先；主导或参与过具有广泛影响力的 ai开源/闭源项目，具备可复用的工程化产出与落地经验者优先。