中国平安
算法工程师
算法工程师
发布于 大约 16 小时前普通员工/个人贡献者
上海市
中级经验
全职员工
仅现场办公
本科
机器学习
深度学习
自然语言处理
TensorFlow
风险控制
知识图谱
大语言模型
反欺诈
复杂网络
AI 估算 · 25k–45k
上海资深算法风控岗位需求旺盛，中国平安平台大，薪资具有竞争力，基于技能难度和市场水平估算。
职位详情
关于这个职位
该岗位是中国平安风控核心团队的算法工程师，主要负责开发反欺诈、信用评级等风控模型，利用机器学习和深度学习技术提升模型效果，并探索大模型、知识图谱等前沿AI技术在风控领域的应用
你将参与模型工程化平台建设，推动AI赋能公司多个业务环节
最低要求
熟练掌握至少一种编程语言，如Python、Java、C++等，并熟悉传统机器学习算法和运用torch或tensorflow等主流深度学习框架
对大语言模型、自然语言处理、图像比对、声纹、语音转换等至少一个方面有相关项目经验
4年以上实际风控模型分析经验，至少熟悉如贷前、贷中、贷后反欺诈中的某一个业务场景的模型开发和业务流程
学历要求：本科及以上学历，计算机科学、数学、统计学、人工智能等相关专业
热爱技术，对技术有不懈的追求
良好的学习能力、团队协作能力和沟通能力
善于思考，能独立分析和解决问题
工作职责
深入了解风控业务的需求，根据需求开发风控模型，包括：反欺诈模型、行为模型等
参与模型工程化平台设计与建设，推动模型开发与应用
持续跟踪和研究行业最佳实践，不断提升模型的效果和性能，探索机器学习/复杂网络/NLP/知识图谱/大模型等技术在信用评级、欺诈侦测等领域的应用
能在公司风控、销售、贷后、审批等各流程中应用不同的AI技术赋能业务，并挖掘不同业务场景下海量文本数据并结合系统中视频、音频、埋点等数据打造智能化的AI助手
AI 洞察
优缺点分析
- 平台优势：中国平安作为金融科技巨头，业务场景丰富，数据资源充足，模型落地机会多
- 技术前沿：岗位涉及大模型、知识图谱等前沿技术，能持续提升技术竞争力
- 职业稳定性：金融行业风控刚性需求强，岗位长期稳定，且公司规模大，抗风险能力强
- 薪资待遇：上海地区资深算法岗薪资水平较高，且上市公司福利体系完善
- 工作强度：大型金融机构节奏快，项目周期紧，可能需要应对高强度的模型迭代与业务支撑
- 合规压力：金融风控受强监管，模型开发需兼顾效果与合规性，对严谨性要求高
- 技术深度：需要同时掌握传统ML与前沿AI技术，且要深入理解业务，学习曲线较陡
- 适合有多年风控模型经验、追求技术挑战和稳定平台、希望在金融AI领域深入发展的资深算法工程师
角色解读
- 技术纵深发展：从算法工程师逐步成长为风控算法专家或AI研究员，深耕某个领域
- 架构师路线：积累工程化经验，转型为模型平台架构师或AI系统架构师
- 管理路线：带领团队负责核心风控模型组，向技术经理或总监发展
- 根据风控业务需求开发反欺诈、行为评分等模型，进行模型选型、训练与优化
- 参与模型工程化平台建设，将模型部署到生产环境，实现自动化推理与监控
- 探索大模型、NLP、知识图谱等新技术在信用评级、欺诈检测中的应用，提升模型效果
- 结合文本、视频、音频等多模态数据，为风控、销售等环节打造智能化AI助手
- 扎实的编程能力：精通Python或Java，熟练使用PyTorch或TensorFlow等深度学习框架
- 深厚的机器学习基础：掌握传统ML算法和DL原理，有实际风控模型开发经验
- 前沿技术视野：具备大语言模型、NLP、图像或语音等至少一个方向的项目经验
- 业务理解与沟通能力：能够将业务问题转化为模型问题，并与业务团队高效协作
申请策略
- 面试前深入了解平安的风控体系和业务方向，尤其是AI在风控中的落地案例
- 准备一个完整的风控模型项目案例，从业务理解到模型上线，展现全链路能力
- 突出风控模型项目经验：详细描述反欺诈、评分卡或贷前/贷后模型从0到1的全流程
- 展示技术深度：列出使用的具体算法、框架（如XGBoost、LSTM、Transformer）和模型效果提升指标
- 强调工程化能力：如果有模型部署、平台搭建或CI/CD经验，务必突显
- 体现前沿技术应用：如有大模型、NLP、知识图谱等项目，附上具体场景与成果
- 补充金融风控业务知识：了解贷前、贷后、反欺诈的业务逻辑和监管要求
- 熟悉大模型应用：学习如何微调LLM进行文本分类或实体抽取，结合风控场景
面试指南
- STAR法则：描述情境、任务、行动和结果，突出你的贡献和量化产出
- 技术+业务结合：先讲技术方案，再联系业务价值，展示你不仅懂算法还懂业务
- 多方案比较：对于开放性问题，列出多个候选方案并分析优劣，体现深度思考
- 请介绍一个你参与过的风控模型项目，包括业务背景、模型选型、挑战和最终效果
- 如何处理样本不平衡问题？在风控场景中常用的方法有哪些？
- 请解释大语言模型在文本风控中的应用思路，可能遇到什么问题？
- 你如何评估一个风控模型的效果？常用的指标有哪些？
- 模型上线后如何监控和迭代？请谈谈你的经验
匹配度报告
72
综合匹配度
大平台、前沿技术栈、高薪资成长性，但WLB一般、需现场办公。
适合人群
适合高度重视技术成长、愿意投入时间提升自己、能接受一定工作强度的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利80
成长发展90
工作生活50
使命价值70
薪资福利匹配
80较高
该职位薪资处于市场较高水平，公司为上市公司且福利完善，但JD未明确具体福利，属于大厂标准。
薪资信号未披露 (25K-45K/月)
成长发展匹配
90较高
岗位涉及多种前沿技术（大模型、NLP、知识图谱等），成长空间巨大，且公司规模大，有丰富的学习和培训资源。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、TensorFlow、大语言模型、NLP、知识图谱、复杂网络
业务类型profit_center
工作生活匹配
50较低
仅现场办公，未提及弹性工时或WLB，上海金融科技公司通常节奏较快，可能加班。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
70中等
金融风控具有社会价值，防止欺诈和信用风险，但JD未突出使命感，行业增长稳定。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs