岗位描述
当 AI 能够理解金融问题、调用专业工具、执行复杂任务,金融机构的研究、决策与协作方式会如何改变? 我们正在与全球金融机构一起探索这个问题。我们希望找到对金融有理解、对技术有好奇心,也愿意亲手把想法做出来的你,一起定义大模型在金融行业的下一步。 你将做什么 发现值得解决的问题 :深入全球金融机构的投研与业务流程,理解真实需求,判断哪些环节值得用 AI 重构,并将业务问题转化为清晰的产品方案。 把想法变成产品 :参与金融场景下 AI 原生产品与 Agent 的设计、原型搭建和迭代,与工程及模型团队协作,推动方案从概念验证走向实际应用。 连接数据、工具与工作流 :对接金融机构与数据服务商,探索金融数据、专业工具和 API 的接入方式,打造对人和 Agent 都好用的产品体验。 定义并验证效果 :参与设计金融场景下的模型与 Agent 评测,通过真实任务、专家反馈和失败案例,识别能力边界,推动产品与模型持续改进。 让一次交付成为可复用的能力 :从具体项目中提炼共性需求,将有效的方法沉淀为 AI Harness(支撑 Agent 执行任务的工具、编排、上下文管理与评测体系)、通用产品能力,或转化为模型训练与评测的反馈。 我们寻找这样的你 有真实的金融或咨询实践 :必须具备金融、咨询或量化相关实习经历,能够理解业务逻辑,并对研究分析或问题解决过程形成自己的判断。 英语可以作为工作语言 :能够流畅阅读英文专业材料,并用英语参与讨论、撰写文档及对接全球金融机构。 能拆解问题,也愿意动手验证 :面对开放问题,能主动查资料、形成假设、搭建原型,用证据推进判断。 对 AI 有持续的好奇心 :主动使用大模型与 Agent 工具,愿意理解它们如何工作、在哪里失效,以及怎样让它们更可靠地完成金融任务。 有清晰表达与协作能力 :能在金融业务与技术之间建立共同语言,与客户、工程师及数据合作伙伴一起推进项目。 满足到岗要求 :可尽快在北京到岗,每周至少实习 3 天,持续 3 个月以上。 加分项 复合学科背景 :有计算机、数学、统计、物理、工程等理工科与金融的复合学习经历。 AI 产品或项目经验 :做过 AI 产品、Agent、RAG(检索增强生成)或模型评测项目,能够讲清楚自己的设计、取舍与实际效果。 技术实践能力 :熟悉 Python / SQL,能借助 AI 编程工具完成数据分析、API 调用、原型或轻量应用开发。 金融分析与数据能力 :具备财务建模、估值、行业研究或量化研究经验,熟悉行情、财报及另类数据等金融数据生态。 你将在这里探索什么 与全球金融机构共同定义真实问题,与产品、工程和模型团队一起验证答案。你的工作将连接客户现场、产品设计与模型能力,也将帮助我们理解:当 AI 成为金融工作的参与者,未来的金融组织应该如何运转。 当 AI 能够理解金融问题、调用专业工具、执行复杂任务,金融机构的研究、决策与协作方式会如何改变? 我们正在与全球金融机构一起探索这个问题。我们希望找到对金融有理解、对技术有好奇心,也愿意亲手把想法做出来的你,一起定义大模型在金融行业的下一步。 你将做什么 发现值得解决的问题 :深入全球金融机构的投研与业务流程,理解真实需求,判断哪些环节值得用 AI 重构,并将业务问题转化为清晰的产品方案。 把想法变成产品 :参与金融场景下 AI 原生产品与 Agent 的设计、原型搭建和迭代,与工程及模型团队协作,推动方案从概念验证走向实际应用。 连接数据、工具与工作流 :对接金融机构与数据服务商,探索金融数据、专业工具和 API 的接入方式,打造对人和 Agent 都好用的产品体验。 定义并验证效果 :参与设计金融场景下的模型与 Agent 评测,通过真实任务、专家反馈和失败案例,识别能力边界,推动产品与模型持续改进。 让一次交付成为可复用的能力 :从具体项目中提炼共性需求,将有效的方法沉淀为 AI Harness(支撑 Agent 执行任务的工具、编排、上下文管理与评测体系)、通用产品能力,或转化为模型训练与评测的反馈。 我们寻找这样的你 有真实的金融或咨询实践 :必须具备金融、咨询或量化相关实习经历,能够理解业务逻辑,并对研究分析或问题解决过程形成自己的判断。 英语可以作为工作语言 :能够流畅阅读英文专业材料,并用英语参与讨论、撰写文档及对接全球金融机构。 能拆解问题,也愿意动手验证 :面对开放问题,能主动查资料、形成假设、搭建原型,用证据推进判断。 对 AI 有持续的好奇心 :主动使用大模型与 Agent 工具,愿意理解它们如何工作、在哪里失效,以及怎样让它们更可靠地完成金融任务。 有清晰表达与协作能力 :能在金融业务与技术之间建立共同语言,与客户、工程师及数据合作伙伴一起推进项目。 满足到岗要求 :可尽快在北京到岗,每周至少实习 3 天,持续 3 个月以上。 加分项 复合学科背景 :有计算机、数学、统计、物理、工程等理工科与金融的复合学习经历。 AI 产品或项目经验 :做过 AI 产品、Agent、RAG(检索增强生成)或模型评测项目,能够讲清楚自己的设计、取舍与实际效果。 技术实践能力 :熟悉 Python / SQL,能借助 AI 编程工具完成数据分析、API 调用、原型或轻量应用开发。 金融分析与数据能力 :具备财务建模、估值、行业研究或量化研究经验,熟悉行情、财报及另类数据等金融数据生态。 你将在这里探索什么 与全球金融机构共同定义真实问题,与产品、工程和模型团队一起验证答案。你的工作将连接客户现场、产品设计与模型能力,也将帮助我们理解:当 AI 成为金融工作的参与者,未来的金融组织应该如何运转。 职位信息 职位名称 全球金融AI方案实习生 职位性质 实习 职能类型 市场类/Marketing&BD 发布日期 2026-10-27 最新职位 急 KIMI Agent Eval Intern|视觉/3D/Robotics方向 实习 | 产品类/Product 北京市 | 发布于 2026-11-05 把对 AI 产物的专业判断,变成可复现、可解释、能规模化运行的评测标准。 关于这个岗位 我们正在构建面向真实世界任务的多模态 Benchmark,希望回答一个具体问题:AI 生成的作品或方案,究竟在多大程度上解决了用户的问题,离高质量交付还差在哪里? 你将参与题目设计、评分细则(rubrics)制定与自动评测(AutoEval)迭代,让自动评测在更高的质量标准下,稳定识别优劣、解释判断依据,并逐步减少重复人工评审。当前工作从 SVG、动画等生成产物切入,后续可能拓展到 3D 建模、Three.js 交互场景、Code-to-Video(代码生成视频)和机器人设计(Robot Design)。你可以从熟悉的方向开始,逐步扩展。 你会做什么 设计有真实价值、有难度的题目。 从用户需求与专业工作流中提炼任务,明确交付物、约束和验收方式;用多种模型的实际作答验证难度与区分度,形成覆盖不同能力和难度层级的题集。 把“好在哪里、错在哪里”写成可执行的 rubric。 拆解需求满足、结构与功能正确性、动态或物理合理性、视觉表达等维度,明确必要条件、评分档位、权重、正反例和边界情况,让专业判断可以被他人复核、被自动评测使用。 持续改进自动出题与判分方法。 从误判样本中定位问题,迭代 rubric 模板、生成流程和 Judge 提示词;与研究、工程同学协作,结合程序检查、执行或仿真结果、视觉模型及多模态模型判断,选择适合任务的评测方式,并用对照实验验证改进。 验证 Judge 的可信度。 组织人工校准与分歧复盘,检验重复评分稳定性、与人工判断的一致性、严重误判及跨题目、跨模型泛化;保留独立测试集,排查模板过拟合、风格偏置与“钻评分空子”的案例。 沉淀可复用的评测资产。 维护题目、rubrics、锚点样例、失败案例和版本记录,让评分能够追溯到具体证据;设计不确定样本转人工复核的机制,在明确质量门槛下提高自动评测覆盖率。 我们期待你 本科及以上在读,专业不限。欢迎设计、数字媒体、建筑、计算机、人工智能、图形学、机器人等背景。 有专业判断,也能解释判断。 能结合任务目标说明一个结果为什么好或不好,把“感觉不对”转化为明确的维度、例子和验收条件。 愿意用实验修正标准。 能主动寻找反例、处理评审分歧,区分模型能力不足、题目歧义和评测器错误;在证据不足时保留不确定性。 有动手能力与清晰的表达。 能借助脚本、数据分析工具或 AI 工具整理样本、完成小规模对照实验,记录过程并复盘结果;能够阅读相关英文资料,与不同专业背景的同学协作。 以下两类能力至少具备一类,欢迎兼具两者: 设计与领域评测方向: 在视觉设计、视频、动画、3D、交互或产品设计等领域有作品或实践;能提出有区分度的质量标准,并通过样例校准与团队协作,将标准推进到自动评测中。 技术与评测研究方向: 具备 Python 或 JavaScript 编程能力,有模型评测、计算机视觉、图形学、具身智能或自动化测试等项目经验;能够实现指标或验证脚本,分析指标与实际任务质量之间的差距。 加分经历 设计过评测标准、数据集、Benchmark、奖励函数或 LLM / VLM Judge;有人工标注校准、误差分析或评测工具开发经验。 熟悉 Blender、Rhino / Grasshopper、Three.js、视频生成或机器人仿真中的任一方向,能检查源文件、交互过程、时序表现或运动约束。 有将主观质量转成可验证标准的实践,例如解释视频节奏与美感、检验参数化模型的可编辑性与复现性、验证机器人结构与动作的可行性。 你将推动的成果 围绕一个具体任务方向,完成“题目与样例 → rubric → 自动评测 → 人工校准 → 独立验证”的完整迭代,并沉淀可复用的题包、标准和分析报告。 我们关注的进展包括:题目能否反映真实需求并区分能力;评分能否稳定复现、解释到具体证据;在保留质量区分度的同时,能否降低严重误判;在控制误判的前提下,能否减少人工复核量和评测成本。各项指标会结合任务基线共同设定。