研究型实习生-基于MAS的策略自动化研发能力研究

岗位职责

研究领域： 大模型智能体 项目简介： 信贷风险管理是小微金融业务的核心。一条策略从立项到上线，需要依次完成业务目标拆解、客群与价差分析、特征工程、规则编排、全局运筹、报批材料撰写、研发侧部署等多个环节，链路长、环节多，且高度依赖数据研发与风控专家的经验协同。在传统研发模式下，各环节由不同角色手工衔接，存在沟通成本高、知识难沉淀、迭代周期长、口径易不一致、上线易出错等突出问题，难以满足业务对策略快速试错与精细化运营的诉求。本项目致力于构建面向价还场景的 AI 端到端策略研发能力，以多个垂直智能体分工协作的方式，将策略研发全链路进行数字化、自动化还原。通过端到端打通"分析—决策—生产"闭环，项目实现策略研发从经验驱动向数据与智能驱动升级，显著降低人力与周期成本，沉淀可复用的策略研发能力资产。

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

Agent协作系统、C/C++、Golang、Java、LLM智能体、Python、一站式策略研发、信用风险管控、信贷、全局优化调度、全局决策优化、全链路策略开发、决策流排布、发表算法相关优秀论文、变量工程、多Agent系统、多智能体协作框架、多智能体系统、大模型Agent、大模型代理系统、大模型算法、大模型自主体、宏观策略规划、小微企业信贷风险、小微信贷风控、整体优化决策、智能体、深度学习、特征加工、特征提取、特征构造、研发效能、端到端策略生成、策略智能生成、策略研发自动化、算法工程化经验、规则流程编排、规则自动化生成、规则链路编排、运筹优化、金融、闭环策略构建、风控、风控策略自动构建、风控算法、风控规则组合、风险识别与评估