阿里巴巴
阿里妈妈风控技术-反作弊算法工程师-北京
阿里妈妈风控技术-反作弊算法工程师-北京
发布于 10 小时前普通员工/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
Llm
Prompt Engineering
Rag
图挖掘
大模型
异常检测
机器学习
深度学习
风控反作弊
值不值得投
78综合评分
综合评分 78
核心风控算法岗，技术栈前沿且业务价值巨大，个人成长空间极佳，但工作节奏可能较快。
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
4.8万
比机器学习工程中位数高
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 3000 个在招 · 其中机器学习工程 约 180 个
市场机会
选择面较广
北京 · 机器学习工程 · 约 470 个在招
职位详情
关于这个职位
该职位主要负责构建基于机器学习和大模型的在线识别系统，实时处置无效流量和风险物料
同时建设离线挖掘平台和风控产品平台，为阿里妈妈和淘天集团业务提供风控支持，每年挽回和拦截百亿级损失与风险
最低要求
计算机、数学或统计学相关专业硕士及以上学历，有比较扎实的理论功底和丰富的应用经验
兴趣或专业是在Anomaly/Outlier Detection，Scalable/Interpretable/Robust Machine Learning，Semi-supervised/Unsupervised learning，Large Scale Graph Mining，Large Scale batch/streaming Data processing，Data Visualization/CV/NLP/Behavior Pattern recognition
对大模型有深入理解，不仅限于API调用，能够从问题定义出发完成Prompt Engineering、RAG、Agent构建等端到端的LLM应用设计与开发
具备优秀的逻辑思维能力，善于发现和推理不同事物之间的关系和影响，在复杂业务场景下能够分解和抽象问题，提供优秀、完整、可行的解决方案
具备优秀的分析和解决问题的能力，对解决具有挑战的问题充满激情，具备良好的主动性和求知欲，具备良好的沟通协作和抗压能力
工作职责
构建基于机器学习、深度学习、大模型的在线识别系统，保证极高精准和召回的前提下，实时处置无效流量或风险物料
建设强大的离线挖掘平台，使用多种无监督、半监督手段帮助算法和运营同学探索新的异常pattern
研发风控产品平台，服务阿里妈妈和淘天集团更多相关的业务，不断提升迭代效率
每年为广告主挽回损失过百亿元，同时为平台拦截百亿以上的风险物料
优先资格
有风控反作弊领域算法实践，大规模工业级风控系统设计经验者优先
AI 洞察
优缺点分析
优点
- 技术栈前沿，涵盖大模型、Agent、RAG等最新AI技术，利于个人技术成长
- 依托核心电商与广告业务，平台资源和技术基础设施顶尖
- 对大模型和复杂算法的工程落地要求高，需在精准度、召回率和实时性之间寻找极致平衡
缺点 / 挑战
- 业务场景宏大，每年处理百亿级风险拦截，能积累极具价值的大规模工业级实战经验
- 风控与反作弊是攻防对抗激烈的领域，需要持续应对不断变化的黑产手段，压力较大
- 适合具备扎实算法功底、对大模型应用有深入理解，且渴望在大规模高并发风控场景中挑战自我的技术人才
角色解读
- 从算法工程师向资深算法专家或架构师方向发展，深入大模型与风控前沿技术
- 有机会带领团队，向技术管理或风控业务负责人转型
- 构建基于机器学习和大模型的在线识别系统，实时拦截无效流量和风险物料
- 建设离线挖掘平台，利用无监督和半监督手段探索异常模式
- 研发风控产品平台，提升迭代效率，为业务挽回和拦截百亿级损失
- 扎实的机器学习、深度学习理论基础及大模型（LLM）端到端应用开发能力
- 熟悉异常检测、图挖掘、半监督/无监督学习等算法方向
- 优秀的逻辑思维与复杂业务场景下的问题抽象和解决能力
申请策略
- 了解阿里妈妈和淘天集团在广告风控、反作弊方面的业务痛点和技术挑战
- 准备一些关于如何平衡算法精准度、召回率与系统实时性的思考
- 突出在大模型（LLM）、RAG、Agent等端到端应用设计与开发方面的实际项目经验
- 强调在异常检测、图挖掘或半监督/无监督学习领域的学术背景或工业落地成果
- 展示在复杂业务场景下抽象问题并提供完整解决方案的能力，以及大规模系统设计的经验
- 深入学习大模型在风控场景的落地应用，如Prompt Engineering和Agent构建
- 提升对大规模流批数据处理和图挖掘算法的工程实践能力
面试指南
- STAR法则：情境、任务、行动、结果，重点突出技术选型、难点攻克和业务收益
- 系统性思维：从问题定义、数据准备、模型设计、工程落地到线上监控，展现全链路思考能力
- 请介绍一个你主导的基于大模型或机器学习的复杂项目，你是如何定义问题并设计端到端方案的？
- 在风控反作弊场景中，如何处理样本不平衡或黑产对抗导致的分布偏移问题？
- 请谈谈你对RAG和Agent在风控业务中应用的理解，以及可能遇到的挑战和解决方案
- 如何设计一个高并发、低延迟的在线实时识别系统？
- 复习机器学习、深度学习及大模型相关的基础理论和最新进展，特别是异常检测和图挖掘方向
- 准备1-2个具有挑战性的大规模工业级系统设计案例，能够清晰画出架构图并解释核心组件
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
核心业务线的算法岗，薪资具备较强市场竞争力，且业务价值大，绩效奖金预期较好。
薪资信号未披露（AI估算：3.5千–6万/月）
成长发展
90较高
涉及大模型、Agent等前沿技术，且业务场景宏大，能极大提升算法工程化和解决复杂问题的能力。
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、Prompt Engineering、RAG、Agent、Anomaly Detection、Graph Mining
业务类型ambiguous
工作生活
50较低
JD未提及工作模式和WLB信息，但作为核心业务线的算法岗，通常工作节奏较快。
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
维护平台生态健康，保护广告主和消费者利益，具有较高的社会正向价值。
行业发展稳定成熟行业
社会影响正向社会影响力较高
创新程度积极采用新技术
阿里巴巴 的其他在招职位
相似职位推荐
Machine Learning Internship - PhD: 2027
Susquehanna International Group · 香港特别行政区
AI 估算 · 4–8万10 小时前发布
Quantitative Systematic Trading Internship - Master's: Summer 2027
Susquehanna International Group · 香港特别行政区
AI 估算 · 3.5–5.5万10 小时前发布
Quantitative Researcher - Machine Learning
Point72 · 香港特别行政区
AI 估算 · 10–25万10 小时前发布
Watch Jobs