阿里巴巴
阿里妈妈-内容安全算法工程师-北京/杭州
阿里妈妈-内容安全算法工程师-北京/杭州
发布于 3 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
Mllm
Prompt Engineering
Pytorch
Rag
内容风控
多模态大模型
值不值得投
76综合评分
综合评分 76
前沿大模型技术驱动、业务场景丰富、成长空间广阔，但工作强度较高、生活平衡有限
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
6.0万
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 3810 个在招 · 其中机器学习工程 约 210 个
市场机会
选择面较广
杭州 · 机器学习工程 · 约 300 个在招
职位详情
关于这个职位
负责构建平台内容风控算法体系，针对图文、视频、直播及AIGC等多模态场景，设计高召回与高精准的违规识别模型
探索多模态大模型在风控领域的应用，结合Prompt Engineering、模型微调与RAG等技术提升复杂语义理解能力
同时参与大规模风控算法平台建设，通过数据挖掘与弱监督学习持续迭代风险识别系统
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，具备扎实的机器学习或深度学习基础
熟悉 CV / NLP / 多模态理解等方向中的至少一个领域，具备实际项目经验
熟悉主流深度学习框架（PyTorch / TensorFlow 等），具备良好的工程能力和算法落地能力
对以下一个或多个方向有深入理解或实践经验：内容理解与风险识别（图像识别、OCR、视频理解、文本语义理解）、多模态大模型（MLLM）应用与优化、Prompt Engineering / LLM微调（LoRA / SFT / RLHF 等）、检索增强生成（RAG）、知识库构建、弱监督学习、半监督学习、异常检测
具备优秀的逻辑思维能力和问题抽象能力，能够在复杂业务场景中拆解问题并设计可落地的算法方案
工作职责
负责平台内容风控算法能力建设，针对图文、视频、直播、AIGC内容等场景，构建高召回、高精准的违规识别与风险判定体系
设计并实现内容风控核心算法架构，包括但不限于多模态特征建模、语义理解与风险推理能力等，提升系统在复杂违规场景下的识别效果
探索并落地多模态大模型（MLLM）在内容风控领域的应用，包括Prompt Engineering、模型微调、RAG检索增强、Agent决策等技术，提升复杂语义违规的理解与判别能力
构建可持续进化的风控算法体系，通过数据挖掘、弱监督学习、主动学习等方法持续发现新的违规模式和风险内容
参与建设大规模内容风控算法平台，支持海量内容实时识别与离线挖掘，提升风控系统的稳定性、可扩展性与迭代效率
优先资格
对内容安全或风控领域有浓厚兴趣，有内容审核、反作弊、风控系统、大规模内容理解等经验者优先
AI 洞察
优缺点分析
优点
- 背靠淘天集团海量真实业务场景，技术落地价值高且数据资源丰富
- 接触业界前沿的多模态大模型与风控技术栈，个人技术壁垒强
- 平台级项目经历有助于积累大规模分布式算法系统设计经验
- 内容安全业务合规要求极高，需应对不断演变的黑产对抗与新型违规模式
- 业务节奏快，需兼顾算法精度与线上实时性指标
- 适合具备扎实AI理论基础、热衷大模型应用创新，且能在高压业务环境下快速推进算法落地的技术型求职者
缺点 / 挑战
- 大模型落地涉及复杂的工程调优与算力资源协调，迭代压力大
角色解读
- 可向资深算法专家（Algorithm Expert）或技术架构师方向发展，深耕多模态大模型与内容安全交叉领域
- 也可转向风控策略负责人或AI产品技术负责人，主导跨部门技术规划与业务赋能
- 负责搭建和维护平台内容安全风控算法体系，处理图文、视频、直播及AIGC等多模态违规内容识别
- 探索多模态大模型（MLLM）在风控场景的落地，结合Prompt Engineering、微调与RAG技术提升语义理解与风险推理能力
- 参与大规模风控算法平台的建设与迭代，保障系统高可用与高效扩展
- 扎实的机器学习/深度学习理论基础，精通PyTorch/TensorFlow等主流框架
- 熟练掌握CV/NLP/多模态理解中至少一项，具备实际项目落地经验
- 熟悉大模型应用开发（Prompt Engineering、LoRA/SFT微调、RAG架构）及弱监督/主动学习等前沿方法
- 具备优秀的业务问题抽象与复杂系统架构设计能力
申请策略
- 提前了解淘天集团内容生态治理现状与监管政策导向
- 准备1-2个完整的风控算法项目案例，重点阐述从问题定义、方案设计到线上效果验证的全流程
- 突出多模态大模型（MLLM/RAG/微调）在项目中的实际应用成果，量化精度提升与性能优化指标
- 强调复杂风控场景下的算法架构设计与工程落地能力
- 展示弱监督学习、主动学习等解决长尾/冷启动问题的实战经验
- 深入掌握主流大模型微调工具链（如LoRA、QLoRA）与RAG架构优化技巧
- 补充大规模分布式训练与推理加速知识（如vLLM、TensorRT）
- 关注内容安全与反作弊领域的最新论文与行业实践
面试指南
- 采用STAR法则结构化回答项目经验
- 技术原理类问题先讲核心思想与架构图，再结合业务场景说明选型依据与调优细节
- 系统设计题遵循“需求分析-数据准备-模型选型-训练策略-评估部署-迭代监控”的标准链路
- 请介绍一个你使用多模态大模型解决实际业务问题的案例
- 如何平衡内容风控算法的召回率与准确率？遇到样本不平衡如何处理
- 大模型在风控场景落地的主要瓶颈是什么，你如何优化
- 请设计一个针对AIGC深度伪造内容的识别算法架构
- 复习深度学习基础与多模态对齐技术（如CLIP、BLIP等）
职位点评
薪资福利85
成长发展92
工作生活45
使命价值70
薪资福利
85较高
薪资处于互联网大厂市场中上水平，福利体系完善，但高强度业务节奏可能稀释部分补偿收益。
薪资信号未披露（AI估算：4.0千–8.0万/月）
成长发展
92较高
岗位深度融合多模态大模型与风控前沿技术，提供丰富的技术探索空间与业务落地场景，成长路径清晰。
技术前沿前沿/新兴技术
技术栈MLLM、Prompt Engineering、RAG、弱监督学习、PyTorch
业务类型ambiguous
工作生活
45较低
互联网大厂标准工作节奏，未提及弹性或远程政策，内容安全业务需应对突发舆情与黑产攻击，WLB一般。
工作模式未明确
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
致力于维护互联网内容生态安全与健康，具有明确的社会责任与行业正向价值，但商业属性较强。
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
Watch Jobs