阿里巴巴
阿里妈妈-风控算法工程师-北京
阿里妈妈-风控算法工程师-北京
发布于 大约 9 小时前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
硕士
算法优化工程师
AI 估算 · 40k–70k
职位详情
关于这个职位
作为阿里妈妈风控算法工程师，你将负责构建基于机器学习、深度学习与大模型能力的在线风险识别系统，实时识别无效流量、虚假交易等风险
同时参与建设智能化离线风险挖掘平台，并探索AI-Native风控产品，推动大模型与传统风控算法的融合，在广告、推荐、电商等复杂业务场景中落地新一代风险治理体系
该岗位技术挑战大，涉及图挖掘、异常检测、LLM/RAG/Agent等前沿方向，适合对AI技术有浓厚兴趣并希望在复杂对抗场景中深耕的算法人才
最低要求
计算机、数学、统计学、人工智能等相关专业硕士及以上学历，具备扎实的理论基础与工程能力
对以下至少一个方向有深入理解或实践经验：Anomaly / Outlier Detection, Semi-supervised / Unsupervised Learning, Large Scale Graph Mining, Scalable / Interpretable / Robust Machine Learning, Behavior Pattern Recognition, Streaming / Batch Data Processing, NLP / CV / Recommendation / Ads, LLM / RAG / Agent / AI Application
熟悉 Python / Java / C++ 中至少一种语言，具备良好的工程实现能力与复杂系统设计能力
对AI技术与大模型应用有较强兴趣，理解主流LLM能力边界，了解 Prompt Engineering、RAG、Agent、Tool Use 等主流应用范式，有实际项目经验者优先
具备优秀的问题抽象与逻辑分析能力，能够在复杂业务场景中识别关键矛盾，完成从问题分析、算法设计到系统落地的完整闭环
对复杂对抗场景、黑灰产治理、风险识别等方向有持续兴趣，有风控反作弊、大规模工业级系统、推荐广告算法相关经验者优先
工作职责
构建基于机器学习、深度学习及大模型能力的在线风险识别系统，在极高精准率与召回率要求下，实时识别并处置无效流量、虚假交易、流量劫持及风险物料
建设智能化离线风险挖掘平台，结合无监督/半监督学习、图挖掘、异常检测以及LLM推理能力，帮助算法与运营团队发现新型作弊模式与潜在风险路径
研发 AI-Native 风控产品与分析平台，探索 Agent、RAG、风险知识库、多智能体协同等方向在风控场景中的落地应用，提升风险分析、策略迭代与case处置效率
面向广告、推荐、电商等复杂业务场景，结合海量行为数据与实时流式计算能力，构建可解释、可扩展、可持续演进的新一代风险治理体系
推动大模型与传统风控算法融合，包括风险推理、行为理解、Pattern发现、自动化分析与策略生成，探索AI在复杂对抗场景下的工程化落地
优先资格
有实际项目经验者优先
有风控反作弊、大规模工业级系统、推荐广告算法相关经验者优先
AI 洞察
优缺点分析
优点
- 平台大，业务场景复杂，数据量巨大，能接触到最前沿的AI技术在风控领域的应用
- 技术栈前沿，涉及大模型、图挖掘、异常检测等多个高价值方向，个人成长快
- 薪资待遇优厚，阿里在行业内具有竞争力，福利体系完善
- 对算法和工程能力要求高，需要具备从问题分析到系统落地的完整闭环能力
缺点 / 挑战
- 工作强度大，对抗场景复杂，需要持续学习和应对新型风险
- 业务压力大，需要在高精准率与召回率要求下，实时处理海量数据
- 适合对AI技术有强烈兴趣，喜欢挑战复杂问题，具备扎实算法和工程背景，希望在风控领域深耕的技术人才
角色解读
- 在风控算法领域深耕，成为反作弊、风险识别方向的专家
- 向技术管理方向发展，带领团队构建更完善的风险治理体系
- 结合大模型技术，向AI-Native风控产品方向转型，成为业务与技术结合的复合型人才
- 构建在线风险识别系统，实时识别无效流量、虚假交易等风险行为，保障平台安全
- 建设离线风险挖掘平台，利用无监督学习、图挖掘等技术发现新型作弊模式
- 研发AI-Native风控产品，探索Agent、RAG等大模型技术在风控场景的应用
- 推动大模型与传统风控算法融合，提升风险推理、行为理解和策略生成效率
- 扎实的机器学习、深度学习理论基础，熟悉异常检测、图挖掘、NLP等方向
- 精通Python/Java/C++中至少一种语言，具备优秀的工程实现和系统设计能力
- 对LLM、RAG、Agent等大模型应用有深入理解，有实际项目经验者优先
- 具备优秀的问题抽象、逻辑分析和复杂系统落地能力
申请策略
- 了解阿里妈妈业务和风控挑战，在面试中展现对业务的思考
- 准备1-2个深度项目案例，展示从问题定义到技术选型再到系统落地的完整过程
- 突出在风控、反作弊、推荐或广告算法方向的项目经验，特别是大规模工业级系统
- 强调在异常检测、图挖掘、LLM应用等方向的实际落地案例，体现技术深度
- 展示你的工程能力，如复杂系统设计、性能优化、实时计算等
- 如果有大模型（LLM、RAG、Agent）相关项目经验，务必重点描述
- 系统学习大模型应用技术，如Prompt Engineering、RAG、Agent，并尝试在项目中实践
- 深入理解风控业务场景，了解黑灰产对抗的常见模式
面试指南
- STAR法则：清晰描述项目背景、任务、行动和结果，突出个人贡献和量化成果
- 技术选型+业务思考：解释技术方案的同时，说明其如何解决业务痛点，体现业务理解
- 系统设计思维：从数据、算法、工程、评估、迭代等多个维度，展现系统化思考能力
- 请介绍一个你处理过的风控或反作弊项目，如何设计算法和系统？
- 如何在大规模数据下实现高精准率、高召回率的实时风险识别？
- 谈谈你对大模型（LLM）在风控领域应用的理解，有哪些挑战和机会？
- 如何设计一个无监督异常检测系统，并评估其效果？
- 在对抗环境中，如何应对不断变化的作弊模式？
职位点评
76
综合评分
大厂核心风控算法岗，技术前沿、成长快、薪资优厚，但工作强度可能较大。
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。
更适合这类人
该职位最适合追求技术成长、渴望挑战前沿技术，对薪资和职业发展有较高期望的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利85
成长发展95
工作生活40
使命价值70
薪资福利
85较高
阿里巴巴作为行业巨头，薪资水平具有竞争力，福利体系完善，但JD未明确薪资范围。
薪资信号未披露（AI估算：40K-70K/月）
成长发展
95较高
该职位技术栈前沿，涉及大模型、图挖掘等，成长空间巨大，且公司平台能提供很好的发展机会。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、大模型、LLM、RAG、Agent、图挖掘、异常检测
业务类型ambiguous
工作生活
40较低
工作地点在北京，但未提及弹性工作或远程办公，且风控对抗场景可能工作强度较大。
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
70中等
风控工作具有重要的社会价值，能保护用户和平台安全，但JD中未明确提及使命或社会价值。
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