主导 ZAAN Contract Review 背后的核心模型研发：该系统根据客户机构的审核指引（playbook）审阅合同，按严重程度对各项问题进行分级，并提出足以让合伙人签字认可的修改建议（redline）。你将推动模型从评测集落地到生产环境，达到严谨法律工作所需的极高精度。

岗位职责

• 针对 38 种语言的条款分类、风险评分和修改建议生成，微调、蒸馏并部署大语言模型。
• 构建基于审核指引和先例的检索系统，确保每处标记都能精准引用其所对应的条款及交易背景。
• 设计包含律师反馈（human-in-the-loop）的离线与在线评估体系：涵盖各条款类型的精准率/召回率、引用真实度以及 CI 中的回归防护拦截。
• 在不牺牲准确率的前提下，降低单份文档的处理延迟与成本：包括批处理（batching）、量化（quantisation）、投机解码（speculative decoding）和缓存技术。
• 与安全团队紧密协作，确保客户数据绝不用于训练共享模型，并始终留存在客户指定的地理区域内。

任职要求

• 5 年以上生产环境机器学习系统构建经验，包含近期在 Transformer LLM 方面的实战经验。
• 精通 Python 和 PyTorch；熟练使用至少一种推理部署框架（vLLM、TensorRT-LLM、TGI 或类似工具）。
• 对模型评估态度严谨：善于设计测试集，按类别衡量错误，并能合理解释模型失效的原因。
• 优秀的英语书面表达能力。具有法律、金融或其他高容错度严谨领域的从业经验者优先。

加分项

• 具备长上下文建模、结构化输出/约束解码、多语言 NLP（尤其是德语、法语或中文）经验。
• 具备基于专家反馈进行偏好优化（DPO、RLHF）的经验。

招聘流程

包括 10 分钟的英语 AI 面试（会提前告知您正与 AI 交流）、与拟加入团队的深入沟通，以及一项贴近实际业务的简短付费实操任务。我们致力于在三周内完成招聘决策。