得物
风控算法运营专家
风控算法运营专家
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公算法优化工程师
算法优化工程师
Agent Workflow
Bad Case分析
Prompt
Rag
Sql
Tool Calling
大语言模型
模型评测
值不值得投
78综合评分
综合评分 78
前沿AI技术落地、高成长空间、跨团队核心枢纽，薪资优厚但WLB情况未知。
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，方便横向比较。
薪资怎么样
4.0万
比算法优化工程师中位数低
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
约 690 个在招 · 其中算法优化工程师 7 个
市场机会
选择面较广
上海 · 算法优化工程师 · 约 200 个在招
职位详情
关于这个职位
该职位主要负责风控算法团队的AI提效与模型质量评测体系建设，推动大模型及Agent能力在业务中的落地与迭代
你需要协同跨团队资源，建立数据与质量闭环，确保算法方案的可信度与上线效果
最低要求
本科及以上学历，具备算法运营、模型评测、数据运营、AI 产品、风控或内容安全相关经验
理解机器学习和大模型应用的基本生命周期，能够判断数据、指标和算法方案是否可信
具备评测集建设、指标设计、抽样分析、版本对比或 Bad Case 归因经验
熟练使用 SQL，能够借助 AI 编程工具完成数据分析、评测脚本或工作流原型
对 Prompt、RAG、Tool Calling、Agent Workflow、Skill、Trace 等有实际理解
具备较强的结构化思考、跨团队推动和结果闭环能力
工作职责
牵头算法团队 AI 提效：梳理问题定义、数据处理、模型研发、效果评测、Bad Case 分析和上线复盘等工作流，识别适合 AI 自动化的环节
推动编码 Agent、数据分析 Agent、评测 Agent 等能力落地，将规则分析、SQL 查询、样本处理、版本对比、Case 聚类、问题归因和报告生成沉淀为可复用的 Workflow、Skill 或平台能力，并对实际使用率、稳定性和提效收益负责
建立模型质量评测体系：建设传统模型、大语言模型、多模态模型和 Agent 的统一评测标准，包括 Golden Set、难例集和长期回归集
Precision、Recall、覆盖率、稳定性、一致性等模型指标
Agent 的任务完成率、工具调用成功率、证据准确性、人工介入率、时延和成本
上线前准入、版本对比、回归测试，以及上线后的灰度、抽检和效果监控
建设数据与质量迭代闭环：推动大盘抽样、难样本回流、人机分歧样本、机器标注与人工复核等数据生产机制
针对线上 Bad Case，区分规则、标签、数据、模型、Prompt、工具、策略和系统问题，推动问题转化为新规则、新样本、新评测 Case 或模型优化项
推动跨团队落地：协同算法、工程、产品、策略、运营、审核和质检团队，明确输入输出、验收口径和上线标准，组织重点模型与 Agent 项目的效果评审和质量复盘
AI 洞察
优缺点分析
优点
- 处于大模型与Agent应用落地的最前沿，能够积累极具市场竞争力的AI工程化与评测经验
- 岗位核心度高，直接赋能算法团队提效，工作成果易于量化且业务价值显著
- 跨团队协作广泛，有助于建立全局业务视角，提升复杂项目的统筹管理能力
- 需要同时兼顾技术深度（大模型原理）与业务广度（风控策略），对个人的综合学习能力要求极高
- 跨团队推动落地涉及多方利益与目标对齐，沟通协调成本较大，可能面临推进阻力
- 适合具备扎实数据分析基础、对大模型技术有浓厚兴趣，且擅长跨团队沟通与项目管理的复合型技术人才
缺点 / 挑战
暂无明显挑战项
角色解读
- 纵向可发展为算法运营/评测方向的专家或团队负责人，主导更大规模的AI提效与质量保障体系
- 横向可向AI产品经理或大模型应用架构师转型，深入参与核心业务场景的AI商业化落地
- 负责风控算法团队的AI提效，推动编码、数据分析等Agent能力落地，将日常工作流沉淀为可复用的平台能力
- 建立并完善大模型及传统模型的质量评测体系，制定统一的评测标准和指标
- 构建数据与质量迭代闭环，通过Bad Case归因分析推动模型和策略的持续优化
- 深入理解机器学习与大模型应用生命周期，熟悉Prompt、RAG、Agent Workflow等前沿技术
- 具备扎实的SQL能力和数据分析能力，能借助AI工具完成评测脚本和工作流原型开发
- 拥有优秀的跨团队沟通与项目推动能力，能够协同算法、工程、产品等多个团队达成目标
申请策略
- 提前了解得物在风控、内容安全或电商场景下的AI应用现状，准备针对性的优化建议
- 重点突出在大模型评测、Agent工作流设计或AI提效项目中的具体落地案例与量化收益
- 展示过往在Bad Case归因、数据闭环建设方面的系统性思考与实际操作经验
- 强调熟练使用SQL及AI编程工具的能力，体现技术实操与工程化落地水平
- 深入学习当前主流大模型评测框架及Agent评测方法论，构建系统的评测知识体系
- 提升Prompt Engineering与RAG架构设计能力，以便更好地理解算法团队的实现细节
面试指南
- STAR法则：针对项目经验题，按照情境、任务、行动、结果的框架，重点突出量化收益和闭环思维
- 结构化拆解：针对体系设计题，从数据准备、指标定义、评测执行、结果分析四个维度进行系统性回答
- 请分享一个你主导的模型质量评测体系建设项目，你是如何设计指标和评测集的？
- 在推动Agent能力落地时，你如何评估其任务完成率和工具调用成功率？遇到过哪些Bad Case，如何归因？
- 当算法团队与业务团队对模型效果认知不一致时，你如何通过数据和评测结果来推动共识？
- 你如何利用AI编程工具提升日常数据分析或评测脚本编写的效率？请举例说明
- 梳理过往项目中的核心数据指标（如Precision、Recall、任务完成率等），确保能准确解释其计算逻辑与业务含义
- 准备1-2个跨团队沟通中遇到冲突或阻力的真实案例，展示你的结构化思考与推动闭环能力
职位点评
薪资福利85
成长发展90
工作生活50
使命价值75
薪资福利
85较高
该岗位为高阶专家级职位，涉及大模型与Agent等前沿技术，薪资预期处于市场中上水平，但JD未明确披露具体薪资与福利细节。
薪资信号未披露（AI估算：3.0千–5.0万/月）
成长发展
90较高
岗位深度参与大模型、Agent等前沿技术的落地与评测体系建设，技术前沿性极强，个人技能成长与行业竞争力提升空间巨大。
技术前沿前沿/新兴技术
技术栈大语言模型、多模态模型、Agent、Prompt、RAG、Tool Calling、Agent Workflow、SQL
业务类型ambiguous
工作生活
50较低
JD未提及工作模式与加班情况，但作为跨团队推动的核心枢纽岗位，且涉及大量线上效果监控与复盘，工作节奏可能较快，WLB情况无法明确判断。
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
75中等
风控与内容安全是电商平台的核心底线，岗位工作对保障用户体验和平台合规具有直接的正向社会价值，行业处于AI技术变革期。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs