中国平安
算法资深工程师（AI安全算法）
算法资深工程师（AI安全算法）
发布于 大约 2 个月前普通员工/个人贡献者
深圳市
高级经验
全职员工
仅现场办公
硕士
软件工程
PyTorch
RAG
LLM
XGBoost
AutoGen
lightGBM
AI 估算 · 40k–70k
AI安全算法资深岗，技术壁垒高，大厂薪资竞争力强，月薪4-7万，15薪合理。
职位详情
关于这个职位
该职位负责AI安全算法的研发与落地，主导智能SOC平台的AI架构设计，构建多智能体协作系统，并探索AI在漏洞挖掘与渗透测试中的应用
需要扎实的算法和工程能力，涉及大模型微调、Agent框架开发等前沿技术
适合追求技术深度和创新的资深算法工程师
最低要求
学历与经验：计算机、人工智能、网络安全等相关专业硕士及以上学历，5年以上算法研发与工程落地经验
极其扎实的全栈算法功底：
经典ML：对统计机器学习有深刻理解，在海量数据下的异常检测、时间序列预测以及树模型（LightGBM, XGBoost等）有极其丰富的实战与调优经验
LLM/深度学习：精通Transformer架构，有丰富的开源大模型（如Llama, Qwen等）的二次开发、微调及预训练经验
工程能力强悍：精通Python/C++，具备极其扎实的编程基础和优秀的系统架构设计能力
精通PyTorch框架，熟练掌握vLLM、TGI等主流推理加速方案，具备解决高并发、低延迟AI服务瓶颈的能力
Agentic架构应用经验：对LangChain、AutoGen、LlamaIndex等Agent框架有深度的二次开发经验，熟悉RAG（检索增强生成）的高阶优化方案，有实际主导上线过复杂Workflow经验
探索与极客精神：具备强烈的求知欲和打破常规的极客精神，面对没有现成答案的跨学科难题（经典算法+大模型+安全的结合）能保持高度热情并持续死磕
工作职责
AI+SOC顶层设计与演进：主导新一代智能SOC平台的AI架构设计，规划并实现“大小模型组合”的落地方案
将复杂的安全运营流程转化为高效的AI自动化流水线
多智能体（Agentic）系统研发：设计并构建针对安全分析、告警研判、事件响应等核心SOC场景的多智能体协作系统突破传统SOAR的局限，实现真正的自主智能研判与响应
前沿安全攻防探索（AI for Sec）：深入探索AI在漏洞挖掘与渗透测试中的应用
主导基于大模型驱动的代码分析、自动化构建Fuzzing Harness（如利用LLM生成高质量的模糊测试目标代码），以及探索基于Agent的自动化渗透攻击路径生成与验证
模型微调与LLMOps架构：负责面向安全垂直领域的大语言模型（LLM）的对齐、微调（SFT/RLHF）以及推理优化
搭建并完善内部的LLMOps工程体系，保障模型在生产环境中的高可用与高性能响应
技术攻坚与团队赋能：跟踪跟进全球最新的大模型技术、Agent框架及AI安全交叉领域的顶会论文及开源项目，快速在业务中进行PoC)并实现规模化落地
指导团队内中级/高级工程师解决复杂工程和算法难题
AI 洞察
优缺点分析
优点
- 前沿技术栈：涉及LLM、Agent、RAG等最热门AI技术，技能积累价值高
- 大厂平台：中国平安作为行业巨头，资源丰富，项目影响力大
- 技术难度高：需要同时精通算法、工程和安全，学习曲线陡峭
- 工作强度大：作为核心岗位，可能面临高压和快速迭代的节奏
- 竞争激烈：吸引顶尖人才，需要持续保持技术领先
缺点 / 挑战
- 跨学科挑战：融合经典算法、大模型和安全，极具创新空间
- 适合有5年以上算法经验、热爱技术挑战、希望在AI安全前沿领域深耕的资深工程师
角色解读
- 技术专家路线：深耕AI安全交叉领域，成为大模型安全应用的权威
- 架构师路线：从算法工程师转向AI系统架构师，主导大型平台设计
- 管理路线：带领团队，从技术负责人晋升为AI安全部门总监
- 主导AI安全平台架构设计，将安全运营流程转化为AI自动化流水线
- 研发多智能体协作系统，实现安全分析、告警研判和事件响应的自主智能
- 探索AI在漏洞挖掘和渗透测试中的应用，如大模型驱动的代码分析和自动化Fuzzing
- 负责安全领域大模型的微调、对齐和推理优化，搭建LLMOps工程体系
- 扎实的机器学习基础，精通异常检测、时间序列预测和树模型
- 精通Transformer架构，有开源大模型二次开发和微调经验
- 强大的工程能力，精通Python/C++和PyTorch，熟悉推理加速方案
- 深度使用过LangChain、AutoGen等Agent框架，熟悉RAG优化
申请策略
- 了解平安科技的安全业务方向，在面试中展示对AI安全的理解
- 准备一个完整的项目案例，从问题定义到落地效果，体现全栈能力
- 突出大模型微调项目经验，特别是安全领域的应用
- 强调Agent框架（如LangChain）的深度开发案例
- 展示工程落地能力，如高并发AI服务的优化经验
- 提及安全相关项目，如异常检测、漏洞挖掘等
- 补充安全领域知识，如SOC流程、渗透测试基础
- 深入学习RAG高级优化方案，如多模态检索
面试指南
- STAR法则：描述情境、任务、行动和结果，突出技术难点和你的贡献
- 对比方案：在回答设计问题时，先提出多种方案，分析优劣，再给出推荐
- 量化结果：用具体指标（如准确率提升、延迟降低）证明你的工作成效
- 请描述你主导过的一个大模型微调项目，包括数据准备、训练策略和效果评估
- 如何设计一个多智能体协作系统来处理安全告警？请画出架构图
- 在异常检测中，你如何处理海量数据中的概念漂移？
- 你如何优化LLM推理的延迟和吞吐量？请举例说明
- 请解释RAG中的检索优化策略，以及如何避免幻觉问题
匹配度报告
72
综合匹配度
大厂AI安全前沿岗，技术成长极高，薪资优厚，但工作强度大。
适合人群
最适合追求技术成长和前沿创新的求职者，对WLB要求不高。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利85
成长发展95
工作生活40
使命价值70
薪资福利匹配
85较高
薪资水平高，大厂福利完善，但JD未明确具体福利，补偿性动机满足度较高。
薪资信号偏高 (40K-70K/月)
成长发展匹配
95较高
职位涉及最前沿的AI技术，成长空间巨大，JD强调技术攻坚和团队赋能，发展性动机满足度极高。
技术前沿前沿/新兴技术
技术栈LLM、Agent、RAG、Transformer、PyTorch、LangChain、AutoGen
成长机会技术攻坚与团队赋能
业务类型profit_center
工作生活匹配
40较低
JD未提及WLB，且技术攻坚性质暗示高强度工作，生活化动机满足度较低。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值匹配
70中等
AI安全领域具有社会价值，但JD未明确使命感，意义感动机有一定满足。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
Watch Jobs