唯品会
多模态算法工程师（内容安全）
多模态算法工程师（内容安全）
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Cv
Llm
Nlp
Pytorch
Tensorflow
Vlm
内容安全
多模态算法
大模型
值不值得投
66综合评分
综合评分 66
技术驱动的内容安全算法岗，涉及前沿多模态与大模型技术，技术成长性强，但工作生活平衡信息不明。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
38K
比机器学习工程中位数高
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
19 个在招
市场机会
选择适中
广州 · 机器学习工程 · 20 个在招
职位详情
关于这个职位
该职位是唯品会电商平台的多模态算法工程师，专注于内容安全领域
你需要运用计算机视觉（CV）、自然语言处理（NLP）、语音识别及多模态大模型（VLM/LLM）等技术，构建覆盖文本、图片、视频、直播等全场景的违规内容识别体系，旨在提升平台机审的准确率与效率，降低人工审核成本
最低要求
计算机、人工智能、数学、统计学、电子信息等相关专业，本科及以上学历（资深岗建议硕士及以上）
年以上算法研发经验，有内容安全 / 电商审核 / 广告审核算法经验者优先
扎实的机器学习/深度学习基础，熟练掌握 PyTorch / TensorFlow 框架，优秀的Python/C++编程能力
在以下方向至少精通1-2项：
CV：CNN/ViT、YOLO系列、OCR、图像篡改检测、视频时序建模
NLP：BERT/RoBERTa、文本分类、NER、语义匹配
多模态：CLIP/BLIP/LLaVA等预训练模型，多模态融合技术
具备大模型实战经验：LoRA/P-Tuning微调、Prompt Engineering、RAG、Agent开发框架（LangChain/AutoGen等）
有模型训练调优、推理优化、算法工程化落地完整经验
工作职责
多模态内容安全模型研发：研发融合文本 + 图像 + 视频 + 音频的多模态审核算法，覆盖电商全场景
运用CV、NLP、语音识别等技术进行多模态融合建模
大模型与Agent技术落地：基于海量数据，通过SFT指令微调、RLHF/DPO偏好对齐等技术，训练垂类违规识别业务大模型
探索多模态大模型（如CLIP/LLaVA/Qwen-VL）在少样本检测、规则自动生成等场景的应用
推动安全Agent在复杂违规识别、自动处置中的落地
人机协同与审核提效：设计置信度分层、违规线索高亮、审核理由自动生成等机审辅助人审机制
建立“模型预测→badcase归因→数据标注→策略迭代→模型升级”的完整数据闭环
构建模型评测基准与效果监控体系
算法工程化与性能优化：负责模型压缩、推理加速（如TensorRT量化），保障高并发场景下的审核时延与吞吐
参与审核系统链路优化，提升可用性与稳定性
制定数据标注规范，建设高质量数据集
跨团队协同：与策略运营、产品、工程、法务团队配合，将合规要求转化为算法方案
跟踪内容安全法规与监管动态，支撑合规审计
优先资格
有内容安全 / 电商审核 / 广告审核算法经验者优先
AI 洞察
优缺点分析
优点
- 技术前沿：工作内容直接涉及CV、NLP、多模态大模型等当前AI领域最热门的技术方向
- 业务价值高：内容安全是电商平台的生命线，算法成果直接影响公司合规与用户体验
- 平台资源：依托大型电商平台，拥有海量、多样的数据和明确的业务场景，有利于技术落地和验证
- 工程复杂度高：不仅要做算法研发，还需深入工程化、性能优化和与多方协同，对综合能力要求高
- 适合对多模态AI技术有浓厚兴趣，兼具算法研发能力和工程落地思维，并希望在大型电商场景中解决复杂内容安全问题的工程师
缺点 / 挑战
- 技术挑战大：需要融合多模态技术，并持续应对不断变化的对抗性攻击和新型违规形式
- 合规压力：工作直接关联法律法规和平台政策，对准确性、时效性要求极高，责任重大
角色解读
- 技术专家路径：深耕多模态安全算法，成为该领域的技术权威，引领技术方向
- 架构师路径：从算法研发扩展到审核系统整体架构设计，负责更大规模的技术方案
- 技术管理路径：带领算法团队，负责团队规划、技术选型和项目交付
- 研发融合文本、图像、视频等多模态的审核算法，识别电商平台上的违规商品和内容
- 将先进的大模型（如LLaVA）和Agent技术应用于实际审核场景，提升自动识别和处置能力
- 设计人机协同机制，构建数据闭环，不断优化模型效果并监控其稳定性
- 负责算法的工程化落地，包括模型压缩、性能优化，确保系统在高并发下稳定运行
- 扎实的机器学习/深度学习基础，精通PyTorch或TensorFlow
- 在计算机视觉（CV）、自然语言处理（NLP）或多模态技术中至少一个方向有深厚积累
- 具备大模型微调（如LoRA）、Prompt Engineering或Agent开发的实战经验
- 优秀的工程化能力，包括Python/C++编程、模型优化（TensorRT）和系统链路理解
申请策略
- 研究唯品会的业务特点和商品品类，思考多模态审核可能面临的特定挑战和解决方案
- 了解当前内容安全领域的法律法规（如《网络安全法》、《网络信息内容生态治理规定》）和行业趋势
- 在面试中准备一个完整的、从问题定义到工程落地的项目案例，展示解决复杂问题的全流程能力
- 突出CV、NLP或多模态模型的具体研发项目经验，特别是有工业界落地成果的
- 详细描述大模型应用经验，如LoRA微调、RAG或Agent开发的具体案例
- 强调算法工程化能力，包括模型优化、性能提升和线上系统稳定性保障的实践
- 如有内容安全、风控或电商相关经验，务必重点列出
- 深入学习多模态大模型（如LLaVA、Qwen-VL）的架构、训练与应用方法
面试指南
- STAR法则：清晰描述Situation（场景）、Task（任务）、Action（行动）和Result（结果），量化你的贡献
- 技术深度展示：对于技术问题，不仅说出用什么方法，更要解释为什么选这个方法，以及与其他方法的对比
- 系统性思维：回答架构或设计问题时，从数据、模型、工程、业务多个维度展开，体现全面考虑
- 请描述一个你参与过的多模态模型研发项目，遇到了哪些技术难点，如何解决的？
- 如何评估一个内容安全模型的效果？除了准确率，还会关注哪些指标？为什么？
- 如果让你为电商直播流设计一个实时违规检测系统，你会考虑哪些关键因素和架构？
- 如何处理模型在实际部署后出现的‘模型漂移’或效果衰减问题？
- 请谈谈你对大模型（如LLM/VLM）在内容安全领域应用的理解和未来方向
职位点评
薪资福利65
成长发展90
工作生活40
使命价值60
薪资福利
65中等
职位未明确披露薪资范围和具体福利，补偿性动机的满足程度取决于后续沟通。
薪资信号未披露（AI估算：25K-50K/月）
成长发展
90较高
该职位涉及多模态、大模型、Agent等前沿AI技术的实战落地，技术深度和广度兼备，能提供显著的技术成长空间。
技术前沿前沿/新兴技术
技术栈多模态、大模型、LLM、VLM、Agent、PyTorch、TensorRT、NLP、CV
成长机会训练具备垂类违规识别能力的业务大模型、探索多模态大模型...落地应用、推动安全Agent...落地、建立...完整数据闭环、构建模型评测基准与效果监控体系
业务类型cost_center
工作生活
40较低
职位描述未提及办公模式、工作时长等任何与工作生活平衡直接相关的信息，无法判断。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
60中等
工作内容直接服务于电商平台的内容生态治理，具有一定的社会意义（维护网络清朗空间），但主要聚焦于平台自身业务合规与成本优化。
行业发展稳定成熟行业
社会影响中性/一般
使命信号保障平台合规审计
创新程度积极采用新技术
Watch Jobs