研究型实习生-表格基础大模型

岗位职责

研究领域： 机器学习 项目简介： 表格数据作为结构化信息的核心载体，在金融风控领域具有不可替代的价值。然而，当前主流的大语言模型（LLMs）在处理此类结构化业务数据时存在显著局限。由于LLMs仅具备对表格、数字和统计学的初级理解能力，难以在复杂的结构化数据上做出准确预测，而TFMs专为结构化数据设计，能够原生理解表格结构，并在特定预测任务上展现出优于LLMs的性能。尽管TFMs在相关性预测方面取得了进展，现有的开源TFM算法在实际企业级应用中仍面临领域适应性差、推理效率低和缺乏深度推理等问题

任职要求

研究领域： -目前正在攻读计算机科学或相关STEM领域的学士,硕士或博士学位 -具有一种或多种通用编程语言的经验,包括但不限于: Java,C/C ++ 、Python、JavaScript或Go -具有上述研究领域的相关经验,包括行业经验或作为参与实验室研究 优先录用： -对技术研究充满热情,具有产生新思想和创新的能力; 在自学,问题分析和解决方面表现出色 -在国际会议上或核心期刊发表一份或多份出版物或论文 -至少3个月的全职工作

特色标签

C/C++、Java、LLM、ML、Python、TFM、发表算法相关优秀论文、垂直领域适配、复杂推理、大模型、大模型算法、推断效率、推断速度、推理性能、数据挖掘、有留学背景、机器学习、机器学习算法、机器智能、深层推理、深度学习、算法工程化经验、结构化业务数据、结构化信息、结构化数据大模型、行业适配性、表格式基础模型、表格数据、语言大模型、金融、金融风险控制、金融风险管理、领域迁移能力、风控、风控算法、高级推理