中国移动
算法开发岗（语言模型网络安全）-金种子（北京）
算法开发岗（语言模型网络安全）-金种子（北京）
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Llm微调
Pytorch
大模型训练
强化学习
渗透测试
漏洞挖掘
网络安全
值不值得投
84综合评分
综合评分 84
核心平台、AI安全前沿方向、顶尖博士专属，技术成长与使命感拉满，适合追求技术极致的科研型人才。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便比较职业起点。
薪资怎么样
4.5万
比人工智能中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 460 个在招 · 其中人工智能 9 个
市场机会
选择面较广
北京 · 人工智能 · 约 640 个在招
职位详情
关于这个职位
该职位主要负责大模型在网络安全领域的能力建设与落地应用，包括安全大模型的训练优化、Security Agent研发及自进化技术探索
你需要结合深度学习与攻防技术，推动模型在漏洞挖掘、代码审计、渗透测试等真实安全场景中的工程化落地
最低要求
博士学历，计算机、人工智能、网络安全、软件工程、自然语言处理、程序语言等相关专业
熟练掌握Python编程，熟悉C/C++、Java、Go、JavaScript/TypeScript等一种或多种主流开发语言
具备扎实的计算机基础，熟悉数据结构、算法、操作系统、网络协议、数据库、编译原理和软件工程
精通PyTorch、Transformers等技术栈，熟练掌握LLM微调、强化学习、偏好优化、推理加速、Agent框架
熟悉网络安全基础与各类攻防技术，涵盖Web安全、二进制安全、漏洞挖掘、代码审计、逆向分析、权限提升、横向移动、日志分析等任一及以上方向
熟悉Security Agent、工具调用、长上下文建模、沙箱执行、自动化验证、静态/动态分析、安全评测Harness等技术
具备优秀的科研创新与工程落地、团队协作能力
工作职责
负责大模型网络安全能力建设，重点方向包括漏洞挖掘、漏洞利用分析、安全代码审计、渗透测试攻防、安全推理与智能分析等安全核心场景能力研发
负责安全领域大模型训练与优化，搭建高质量网络安全数据集，完成安全语料构建、安全推理数据与合成数据生成，落地SFT、RL、偏好对齐、执行反馈学习等全流程模型优化方案
建设面向真实安全场景的Security Agent能力，覆盖任务目标理解、信息收集、工具调用、终端执行、漏洞定位、利用验证、风险分析与报告生成
同时研发安全模型自进化技术，基于强化学习、自我反思、自我对弈机制构建可自主迭代的安全智能体体系
构建网络安全场景自进化训练与评测闭环体系，设计可验证的安全任务环境、奖励机制与迭代策略，研究长程反思、信用分配、多轮交互自我纠错、知识固化与遗忘平衡、对抗环境策略迭代等关键技术，驱动模型在漏洞发现、攻防对抗场景持续自我优化
搭建完善的网络安全能力评测体系，围绕CTF、漏洞复现、代码审计、Web安全、二进制安全、攻防演练、SOC场景搭建自动化评测流程
持续跟踪AI for Security、自动化漏洞挖掘、智能威胁分析、模型自进化前沿技术，具备前沿论文复现、Benchmark分析与工程落地优化能力
推动安全大模型及自进化安全智能体落地应用，覆盖漏洞检测、代码安全审计、渗透测试辅助、红队演练、自动化攻防、威胁情报分析、告警研判、应急处置、安全运营等业务场景
优先资格
具备模型自进化、自我反思、长程决策、智能体训练相关经验者优先
有CTF竞赛获奖、漏洞挖掘、CVE复现、红队攻防、安全评测平台搭建、安全大模型训练、自进化系统开发、优质开源项目经验优先
在NeurIPS、ICML、ICLR、ACL、S&P、CCS等顶会发表相关论文者优先
AI 洞察
优缺点分析
优点
- 依托国家级核心大模型平台，拥有海量真实安全场景与充沛的算力资源
- 岗位处于AI与安全交叉的绝对前沿，技术壁垒高，个人成长与科研转化空间巨大
- 提供稳定的职业发展路径和完善的福利保障，有利于长期深耕技术
- 岗位要求极高，需同时具备顶尖的AI算法能力和深厚的网安攻防经验，跨学科学习曲线陡峭
- 适合拥有计算机或安全相关博士学位，在AI或网络安全领域有顶会论文或CTF获奖经历，且渴望在核心平台将前沿技术转化为实际生产力的顶尖技术人才
缺点 / 挑战
- 大模型在安全场景的落地存在幻觉和可靠性挑战，工程化与业务结合的难度较大
角色解读
- 从安全算法研究员成长为安全大模型技术专家或首席科学家
- 未来可带领团队攻坚AI for Security前沿课题，或转型为安全业务架构师，推动AI安全产品的商业化落地
- 研发大模型在网络安全场景的核心能力，包括漏洞挖掘、代码审计和渗透测试攻防
- 训练和优化安全领域大模型，构建Security Agent及自进化智能体体系
- 搭建自动化评测体系并推动安全大模型在真实业务场景中的工程化落地
- 精通Python及PyTorch/Transformers等深度学习框架，掌握LLM微调与强化学习技术
- 具备扎实的网络安全攻防基础，熟悉Web/二进制安全、漏洞挖掘与逆向分析
- 拥有优秀的科研创新能力，能复现前沿论文并实现复杂算法的工程落地
申请策略
- 了解“九天”大模型的最新进展及其在安全领域的应用规划，面试时可结合数智化转型的背景，阐述你的技术如何赋能实际业务
- 重点突出在LLM微调、强化学习或Agent框架方面的项目经验，以及安全攻防的实战成果
- 详细列出在NeurIPS、S&P等顶会发表的论文或主导的优质开源项目
- 展示将前沿算法转化为实际工程落地的能力，强调解决实际业务痛点的经验
- 深入研读AI for Security、Security Agent及模型自进化相关的最新顶会论文，尝试复现其核心算法
- 提升大模型在复杂长程决策和工具调用场景下的工程落地与调优能力
面试指南
- 采用STAR法则（情境、任务、行动、结果）描述项目经验，重点突出技术难点和你的创新解法
- 对于前沿问题，先阐述理论理解，再结合工程实践给出落地思路，最后展望优化方向
- 请介绍你在大模型微调或强化学习方面的一个核心项目，遇到了什么挑战及如何解决？
- 在构建Security Agent时，如何解决工具调用的准确性和长上下文建模的问题？
- 结合你的网安经验，谈谈大模型在漏洞挖掘或代码审计中可能存在的幻觉问题及缓解策略
- 请分享一篇你复现过的AI for Security前沿论文，其核心创新点是什么？
- 复习大模型核心算法（如RLHF、DPO、PPO）及Agent架构（如ReAct、Toolformer）
- 准备几个自己主导的网安攻防或大模型训练的深度技术案例，确保能经受住技术细节的深挖
职位点评
薪资福利85
成长发展95
工作生活60
使命价值90
薪资福利
85较高
该顶尖人才计划针对博士提供具有市场竞争力的薪资，且具备极高的职业稳定性。
薪资信号未披露（AI估算：3.5千–5.5万/月）
成长发展
95较高
岗位聚焦AI与安全的交叉前沿，依托国家级大模型平台，技术成长与科研转化空间极大。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、Transformers、LLM微调、强化学习、Security Agent、SFT、RL
业务类型profit_center
工作生活
60中等
核心研发岗及高期望可能带来一定的工作压力，JD未明确说明WLB情况。
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
90较高
参与国家级核心大模型研发，赋能数智化转型，具有极高的社会价值与行业使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号国之重器、数智赋能升级、驱动智能服务创新突破
创新程度开拓性创新（行业首创）
Watch Jobs