算法开发岗（语言模型·网络安全）-金种子（北京）

优缺点分析

角色解读

• 技术专家路线：深耕安全AI领域，成为该方向的首席科学家或技术Fellow
• 技术管理路线：带领团队负责安全AI平台或产品的整体研发与落地
• 研发将大语言模型应用于网络安全核心场景（如漏洞挖掘、安全审计）的算法与系统
• 构建安全领域的“智能体”（Security Agent），使其能像人类安全专家一样自主完成攻防任务
• 设计并实施安全大模型的训练、评测与自进化闭环，让模型在对抗中持续提升能力
• 深度掌握大模型（LLM）技术栈，包括微调、强化学习、Agent框架等
• 具备扎实的网络安全攻防实战知识与技能
• 拥有出色的科研与工程落地能力，能将前沿论文转化为可靠系统

申请策略

• 深入研究“九天”大模型及其在安全领域的应用潜力，在面试中展示你的理解与思考
• 准备好讲述一个完整的“发现问题-设计方案-技术实现-验证效果”的科研或项目故事
• 突出博士期间或工作后的核心科研成果，尤其是发表在顶级会议/期刊的论文
• 详细描述参与过的安全类项目（如CTF获奖、漏洞挖掘、CVE）或AI类项目（如模型训练、Agent开发）
• 展示使用Python、PyTorch等工具进行算法开发与实验的具体代码项目或开源贡献
• 系统梳理和强化网络安全攻防知识体系，特别是Web安全和二进制安全
• 深入实践主流Agent框架（如LangChain、AutoGen），并了解其在安全场景的应用案例
• 关注并复现AI for Security领域的最新论文，积累相关Benchmark的评测经验

面试指南

• 采用STAR法则（情境-任务-行动-结果）清晰描述项目背景、你的角色、具体技术方案和最终成果
• 系统化思考：将Agent分解为感知、决策、执行模块，并结合安全任务特性（如工具调用）进行阐述
• 理论结合实践：从技术原理（如强化学习的奖励设计）和工程挑战（如数据稀疏、评估难）两方面分析
• 请介绍你最得意的一个科研项目或工程实践，你在其中解决了什么核心技术难题？
• 如何设计一个Security Agent来自动化完成一次Web漏洞挖掘任务？请描述其工作流
• 你对‘模型自进化’在安全攻防场景中的应用有什么理解？可能面临哪些挑战？
• 如果让你搭建一个针对LLM的安全评测基准（Benchmark），你会包含哪些测试用例？为什么？
• 你如何平衡安全模型在‘漏洞发现能力’与‘误报率’之间的矛盾？