大宗商品AI算法专家
岗位摘要
构建覆盖全球宏观指标、行业基本面及替代品价格的多因子时序预测模型；探索Transformer、Mamba等前沿架构在商品价格预测中的应用，持续迭代模型精度；利用大语言模型自动提取研报、新闻、政策文本中的关键供需信号，实现非结构化信息的定量化
登录后保留你的岗位线索
邮箱登录后可继续查看完整职责、任职要求和原岗位入口，并使用收藏与浏览记录沉淀适合自己的机会。
岗位职责
- 构建覆盖全球宏观指标、行业基本面及替代品价格的多因子时序预测模型
- 探索Transformer、Mamba等前沿架构在商品价格预测中的应用，持续迭代模型精度
- 利用大语言模型自动提取研报、新闻、政策文本中的关键供需信号，实现非结构化信息的定量化
- 开发RAG+Agent架构的自动化供需平衡表系统，实现数据采集、清洗、预测、报告的全流程自动化
- 针对大宗商品贸易中的调拨、加工、多式联运场景进行数学建模
- 优化物流成本与库存周转，解决复杂的路径规划与配额分配问题
- 利用Monte Carlo模拟、VaR/CVaR等手段量化价格波动风险
- 结合强化学习探索动态套保策略，为业务部门提供最优下单与对冲方案
任职要求
- 运筹学、应用数学、计算机科学、工业工程等相关专业硕士及以上学历
- 精通时序预测、组合优化或运筹建模中至少一个方向
- 熟练使用Python，掌握PyTorch/TensorFlow等深度学习框架
- 熟悉至少一种数学规划工具（Pyomo/PuLP/OR-Tools/Gurobi）
- 了解主流大模型的能力边界，有Prompt Engineering或Fine-tuning实践经验
- 有大型制造业排产或供应链优化项目落地经验者优先
- 熟悉RAG、Agent、Function Calling等LLM应用范式者优先
- 有强化学习在工业优化或量化交易中的应用经验者优先
- 对大宗商品市场有深入了解者优先
加分项
- 有大型制造业（钢铁、化工、半导体）排产或供应链优化项目落地经验
- 熟悉 RAG、Agent、Function Calling 等 LLM 应用范式
- 有强化学习在工业优化或量化交易中的应用经验
- 对大宗商品市场（黑色系、有色、能化等）有深入了解
- 我们正在构建大宗商品领域的"决策大脑"——将 LLM、深度学习时序预测与运筹优化深度融合，打造从信息感知 → 趋势预判 → 最优执行的端到端智能系统。如果你渴望让 AI 真正落地到万亿级产业，这里就是你的舞台
- 多因子时序预测建模
- 构建覆盖全球宏观指标（汇率、利率、PMI）、行业基本面（库存、开工率、发运量）及替代品价格的多因子时序预测模型
- 探索 Transformer、Mamba 等前沿架构在商品价格预测中的应用，持续迭代模型精度
- LLM 驱动的动态供需分析
- 利用大语言模型（LLM）自动提取研报、新闻、政策文本中的关键供需信号，实现非结构化信息的定量化
- 开发 RAG + Agent 架构的自动化供需平衡表系统，实现数据采集、清洗、预测、报告的全流程自动化
- 全局供应链优化
- 针对大宗商品贸易中的调拨、加工、多式联运（海/铁/公）场景进行数学建模
- 优化物流成本与库存周转，解决复杂的路径规划与配额分配问题
- 风险量化与智能套保
- 利用 Monte Carlo 模拟、VaR/CVaR 等手段量化价格波动风险
- 结合强化学习探索动态套保策略，为业务部门提供最优下单与对冲方案
福利待遇
- 参与构建万亿级产业的AI决策系统
- 与顶尖AI和行业专家共事
- 前沿技术探索与实践机会
- 具有竞争力的薪酬和福利
登录后查看完整岗位详情
使用邮箱验证码登录后，可查看完整职责、任职要求、原岗位入口，并继续使用收藏和浏览记录。列表摘要保持公开，完整详情用于保护数据质量和降低恶意抓取。