الوصف الوظيفي
بينانس هي نظام بيئي عالمي رائد في مجال البلوكتشين وراء أكبر بورصة للعملات المشفرة في العالم من حيث حجم التداول والمستخدمين المسجلين. نحن موثوقون من قبل أكثر من 300 مليون شخص في أكثر من 100 دولة بفضل أماننا الرائد في الصناعة، وشفافية أموال المستخدمين، وسرعة محرك التداول، والسيولة العميقة، ومحفظتنا غير المسبوقة من منتجات الأصول الرقمية. تتراوح عروض بينانس من التداول والتمويل إلى التعليم والبحث والمدفوعات والخدمات المؤسسية وميزات الويب 3 وأكثر. نحن نستفيد من قوة الأصول الرقمية والبلوكتشين لبناء نظام مالي شامل لتعزيز حرية المال وتحسين الوصول المالي للناس في جميع أنحاء العالم.حول الدورنحن نبحث عن عالم/مهندس أبحاث ذو مهارات عالية لتعزيز قدرات التفكير والتخطيط لنماذج الأساس الكبيرة. في هذا الدور، ستعزز أداء النموذج عبر دورة التطوير بالكامل - بما في ذلك اكتساب البيانات، والتدريب الدقيق تحت الإشراف، ونمذجة المكافآت، والتعلم المعزز - بينما تدفع الابتكارات في التفكير واتخاذ القرار. ستقوم بتوليف مجموعات بيانات عالية الجودة على نطاق واسع من خلال إعادة الكتابة، والتعزيز، وتقنيات التوليد لتعزيز نماذج الأساس خلال مراحل التدريب المسبق، والتدريب الدقيق تحت الإشراف، والتعلم المعزز. جزء أساسي من الدور يتضمن حل المهام المعقدة باستخدام
تفكير النظام 2 وتطبيق استراتيجيات فك تشفير متقدمة مثل MCTS وA*. ستقوم بتصميم وتنفيذ منهجيات تقييم قوية، وتعليم النماذج التفاعل مع الأدوات الخارجية، وواجهات برمجة التطبيقات، ومفسري الشيفرات، وبناء وكلاء وأنظمة متعددة الوكلاء قادرة على معالجة مشاكل العالم الحقيقي المعقدة.
المسؤوليات
- تصميم وتطوير وتحسين خطوط معالجة واسترجاع البيانات لتطبيقات المهام التوليدية على مستوى المؤسسات وتدريب النماذج (خدمة العملاء، تقرير الرموز، نماذج مجال الويب 3). يشمل ذلك النماذج الخاصة بالتضمين، وإعادة الترتيب، وهندسة السياق، وإعادة كتابة الاستعلامات.
- البحث وتقييم خوارزميات الاسترجاع المتقدمة المخصصة للذكاء الاصطناعي (مثل الاسترجاع منخفض الكمون، والاسترجاع متعدد الوسائط، والاسترجاع الهرمي، GraphRAG) لتعزيز قدرات LLM/VLM/Agentic AI على نطاق واسع في منتجات بينانس.
- التعاون مع فرق البنية التحتية والتطبيقات لدمج خطوط RAG في أنظمة الإنتاج، مع ضمان القابلية للتوسع والموثوقية وتأثير الأعمال القابل للقياس.
- تطوير وتحسين خطوط الاسترجاع والترتيب (الفهرسة، البحث عن المتجهات، تقييم الاسترجاع، إعادة الترتيب) لتحسين تجربة المستخدم.
- المشاركة في تدريب LLM ونظام RAG، والبقاء على اطلاع بالتقنيات مثل التدريب المسبق، والتدريب الدقيق تحت الإشراف، والتعلم المعزز، وتطبيقها على مهام الاسترجاع والتوليد.
- تطبيق طرق معالجة اللغة الطبيعية، والرؤية الحاسوبية، والأساليب متعددة الوسائط لتحليل المحتوى الذي ينشئه المستخدمون (التصنيف، تقييم الجودة، اكتشاف الاتجاهات، تحليل التعليقات).
المتطلبات
- ماجستير في استرجاع المعلومات، أو معالجة اللغة الطبيعية، أو التعلم الآلي، أو الرؤية الحاسوبية، أو التعلم متعدد الوسائط، أو مجالات ذات صلة.
- إجادة في بايتورتش مع مهارات برمجة قوية في بايثون أو C++.
- مهارات تواصل قوية، فضول فكري، وشغف بالتعلم مدى الحياة. القدرة على تحديد الفرص ودفع تقنيات الاسترجاع المتطورة وRAG إلى التطبيقات الواقعية.
- أساس نظري قوي في استرجاع المعلومات، ومعالجة اللغة الطبيعية، والتعلم العميق (يفضل وجود خبرة في التضمينات، وإعادة الترتيب، وفهم الاستعلامات).
- خبرة عملية مع RAG، وقواعد بيانات المتجهات، والاسترجاع متعدد الوسائط/الرسوم البيانية، أو أنظمة الذكاء الاصطناعي على نطاق واسع.
- قدرة هندسية قوية لترجمة الأبحاث إلى أنظمة قابلة للتوسع على مستوى الإنتاج.
- مدفوع ذاتيًا، قادر على امتلاك المشاريع من البداية إلى النهاية (التصميم → التنفيذ → النشر).
- المنشورات في مؤتمرات/مجلات من الدرجة الأولى (NeurIPS، ICML، ACL، CVPR، SIGIR، KDD، WWW) تعتبر ميزة؛ الجوائز في مسابقات ACM/ICPC أو مسابقات مماثلة مفضلة.
لقد تمت ترجمة هذا الإعلان الوظيفي بواسطة الذكاء الاصطناعي وقد يحتوي على بعض الاختلافات أو الأخطاء البسيطة.
