崗位職責:
大模型全棧架構設計
主導期貨行業垂類大模型的端到端架構設計,涵蓋從數據清洗、預訓練微調、RAG(檢索增強生成)到 Agent 系統的完整鏈路。例如,需設計支持實時行情數據、研報文本、產業鏈信息多模態融合的模型架構,實現智能投研報告自動生成(如南華期貨 HithinkGPT 系統的 Agent + 工作流模式)。
深度參與 GPU 集群硬件選型與算力調度優化,針對不同模型特性(如千億參數大模型推理)設計混合精度計算方案,確保推理延遲低于 100ms。
高頻交易系統增強
構建支持微秒級響應的 AI 交易決策引擎,整合高頻因子庫(如逐筆成交數據、訂單簿深度特征)與強化學習策略,實現多品種價差套利、流動性尋優。需具備分布式時序數據庫(如 Kafka+Redis)的集成經驗,支撐日均億級交易數據的實時處理。
合規化 AI 系統開發
設計符合《證券期貨業網絡和信息安全管理辦法》的算法備案方案,確保 AI 決策過程可審計(如交易策略的可解釋性日志)。需熟悉聯邦學習、同態加密等技術,在保護客戶隱私前提下實現跨機構數據聯合建模。
動態風險管理平臺
開發基于多模態大模型的智能風控系統,整合輿情分析、異常交易檢測、壓力測試等功能。例如,通過 NLP 技術實時解析監管政策文件,自動觸發風控規則更新。需設計支持千萬級客戶行為數據的實時流式計算框架。
任職要求:
前沿技術深度掌握
精通大模型壓縮與量化技術(如 QLoRA、LLM.int8 ()),具備將千億參數模型部署至消費級 GPU 的工程經驗。熟悉多模態模型訓練流程,能基于期貨行情圖表、持倉數據、新聞視頻構建跨模態檢索系統。
金融場景工程化能力
掌握期貨高頻交易系統設計要點,熟悉 CME、DCE 等交易所 API 接口規范,具備實盤交易系統開發經驗者優先。需展示基于 Python/C++ 的低延遲策略實現案例(如訂單拆分算法、滑點優化方案)。
合規與倫理實踐經驗
持有 CAMS(反洗錢專家認證)或 FINRA Series 3(期貨從業資格)者優先,熟悉歐盟 AI 法案對金融領域的合規要求(如算法透明度報告)。需提供金融行業 AI 系統合規審計案例,證明對數據隱私保護(如 GDPR)的技術落地能力。
硬件與系統優化專長
能根據模型特性(如 Transformer 架構)設計 GPU 顯存優化方案,實現單卡支持百億參數模型推理。熟悉 Kubernetes+TensorFlow Serving 的混合云部署模式,可設計支持彈性擴縮容的 AI 算力中臺。
行業適配能力
量化交易理解:需熟悉期貨市場做市商策略、套利交易邏輯,能將 AI 技術與 CTA、統計套利等傳統策略深度融合。
監管科技實踐:需展示在異常交易檢測、客戶風險評級等場景中,如何通過 AI 技術滿足《期貨公司監督管理辦法》的合規要求。