一、工作关系
汇报对象：部门负责人
管理下属：无
内部联系：部门内员工、其他部门相关岗位员工
外部联系：集团相关管理机构，集团下属相关单位，外包/非外包商等
二、工作职责
1. 专注于通用大模型及金融行业模型的研究、开发与优化，推动模型在汽车金融场景的应用与落地。
2. 追踪行业模型技术前沿，引入先进技术，优化公司模型性能，提升市场竞争力。
3. 协同业务部门，解读模型结果，将模型精准应用于业务场景，为业务决策提供有力支持。
4. 持续优化模型结构，适配硬件资源，提升模型推理性能，保障模型高效运行。
5. 开展内部技术指导与培训，分享模型开发经验，提升团队技术水平。
三、岗位工作内容
1、应用内外部多源数据，开展通用大模型和金融行业模型的开发和持续优化，加速技术成果在公司业务中的落地应用。
2、处理汽车金融业务数据（如申请信息、还款记录、车辆数据），建立金融风控模型（申请评分、行为评分、催收评分、反欺诈等）、产品定价模型等专用业务模型，实现精准化自动化审批和贷后管理。
3、与产品、业务等团队深度合作，深入挖掘业务痛点，提出建模解决方案，持续提升金融模型决策能力和效率。
4、不断优化模型结构，以适应并充分利用硬件资源，提升异步并发、IO等推理性能。
5、对内部人员进行技术指导与培训，促进知识共享与技术创新。
6、完成部门安排的其他工作，参与行业交流。
四、教育背景及相关经验
硕士及以上学历，计算机、数学或统计学相关领域教育背景，5 年以上模型领域工作经验，3 年以上金融模型工作经验。
五、相关知识及技能
1、具备扎实的计算机科学知识，深入理解深度学习理论，包括神经网络架构、训练算法、损失函数等核心概念。
2、对技术有热爱和追求，乐于创新。
3、具备优秀的逻辑思维能力和沟通能力，有丰富的模型实现与资源调优经验，能兼顾模型的计算效率与稳定性。
4、熟悉深度学习理论、模型压缩方法（如剪枝、量化）和模型架构设计（如反向传播原理、注意力机制），以及知识蒸馏、MoE等技术。
5、深入理解Tensorflow、PyTorch等底层原理，熟悉加速硬件的使用，有相关的性能调优经验，如FastTransformer、TensorRT、Triton等。
6、熟练掌握提示词优化、vLLM、SGLang、 MLOps等推理引擎及运维技术；熟悉RAG训练，掌握知识库管理、向量搜索优化方法。