粤港澳大湾区数字经济研究院招聘实习生

团队介绍
团队来自由沈向洋院士创建的粤港澳大湾区数字经济研究院AI金融与深度学习中心。

现有研究团队成员在NeurIPS，ICLR，WWW，SIGIR，EMNLP等AI领域顶级会议上发表论文40余篇，2023年以来已发表20余篇。我们预期将在未来几个月中持续推出知识驱动大模型和金融大模型相关的研究成果。

团队具有充足的算力，以及预算支撑大语言模型训练以及推理方向的研究。我们期待具有自我驱动力和科研潜力的实习生加入我们。

岗位一、 知识驱动大模型研究实习生（科研岗）
岗位职责

研究基于大语言模型和知识图谱，文档等外部知识相结合的融合推理算法；
研究基于大语言模型多智能体的复杂任务处理；
研究面向金融领域的大语言模型的训练和应用；
研究基于大语言模型的知识图谱自动化构建；
进行实验并撰写相关论文，以及协助团队推进算法和模型在业务场景的落地。
岗位要求

计算机、软件等相关专业，本硕皆可；
具备NLP及大语言模型的相关基础理论知识，有相关实战项目经验或论文发表；
熟悉python语言和常见的深度学习、自然语言处理框架，比如pytorch，huggingface等；
有过文档检索增强（RAG），或者知识图谱方向研究的候选人优先；
在ACL, EMNLP, NAACL, ICLR, NeurIPS, ICML, KDD, AAAI等AI领域顶级会议上发表过论文的候选人优先；
有大语言模型训练分布式经验，熟悉一种大模型分布式训练或推理工具（Deepspeed，Megatron，LLaMA-Factory，vLLM等）的候选人优先；
可以在深圳本地实习半年以上的同学优先。
岗位二、AI金融研究实习生（科研岗）
岗位职责

与团队一同在量化金融领域探索并应用最前沿的AI技术，开展创新性研究和实验。
构建并完善基于深度学习的量化投资算法，优化其在金融数据上的表现。
设立和完善算法评估标准，确保研究成果的科学性、实用性和严谨性。
紧密关注AI和量化金融的最新进展，持续优化并升级研究方法和模型。
岗位要求

计算机及相关专业研究生和博士，特别优秀的本科生也欢迎申请
具有扎实的编程功底和深度学习/机器学习基础，熟练掌握 PyTorch， 能够基于框架快速开发和实现各类前沿深度学习模型，具备创新能力，对模型做改进和调优；
对量化金融行业感兴趣，能动性强，有强烈意愿做出高水平工作，愿意研究解决AI与量化金融结合的核心问题
有相关领域顶级会议/期刊论文发表经验或知名开源项目贡献经验者优先
岗位三、时序分析算法实习生（工程岗）
岗位职责

与团队一同探索并应用最前沿的AI技术，特别是时间序列分析算法、时间序列大模型，开展创新性研究和实验。
构建并完善时序深度学习算法，用于分析和预测复杂的金融时间序列数据。 设立和完善算法评估标准，确保研究成果的科学性、实用性和严谨性。
紧密关注AI领域，尤其是时序分析、金融时序预测中的最新进展，持续优化并升级研究方法和模型。
岗位要求

计算机及相关专业研究生和博士，特别优秀的本科生也欢迎申请。
具有扎实的编程功底和深度学习/机器学习基础，熟练掌握 PyTorch，能够基于框架快速开发和实现各类前沿深度学习模型，具备创新能力，对模型做改进和调优；
对AI在复杂数据序列分析，特别是在金融时间序列的应用感兴趣，能动性强，有强烈意愿做出高水平工作，愿意研究解决AI与数据分析结合的核心问题。
有时序分析预测或相关技术领域顶级会议/期刊论文发表经验或知名开源项目贡献经验者优先。
岗位四、NLP工程及数据实习生（工程岗）
岗位职责

参与面向文本、表格等模态的自动化数据合成系统开发
参与数据匿名化、隐私保护相关功能模块的开发。
参与开发基于RAG技术、GraphRAG技术的大模型问答系统
参与基于 GPT 系列或其他开源大模型的优化，包括多智能体交互、prompt 工程及下游任务的效果改进
参与开发面向金融场景的自动化文本分析和生成工具，比如金融问答系统、财报解析系统、新闻情感分析系统等
跟进该领域的前沿进展，对相关产品和项目进行持续优化
岗位要求

计算机、软件等相关专业，熟悉Python语言，本硕皆可
对NLP、机器学习及深度学习理论有深入了解和掌握
对LLM 领域感兴趣，具有钻研精神，英语读写能力强，熟练掌握中英文学术论文的调研技巧
有图数据库和向量数据库开发经验者优先
有大模型继续预训练、指令微调开发经验者优先
有大规模数据处理、数据匿名化工程经验者优先
有检索增强生成（RAG）项目开发经验者优先
可以在深圳本地实习半年以上
直通车
坐标：深圳
餐补85/天，异地房补2000/月；实习补贴4-9K，具体薪酬根据具体面试情况定
可以在深圳本地实习半年以上的同学优先。
如果你对以上职位感兴趣，请投递简历至邮箱，备注AIoffer求职yangchanjuan@idea.edu.cn.

我们将在 10 个工作日内反馈结果。