Alibaba logo
阿里巴巴
集团安全部-内容安全大模型算法-商品合规大模型(杭州)

集团安全部-内容安全大模型算法-商品合规大模型(杭州)

发布于 34 分钟前

普通员工/个人贡献者

AI 估算 · 3.0–5.0万 · AI 参考估算
中级经验
本科
全职员工仅现场办公AI算法
AI算法
Nlp
Odps
Prompt Engineering
Pytorch
Rag
内容安全
多模态理解
大模型算法
知识图谱

值不值得投

75综合评分

综合评分 75

顶尖大厂、前沿AI技术栈、高薪资高成长,但工作强度大、WLB较弱

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AI算法中位数低

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 4870 个在招 · 其中AI算法 68 个

市场机会

选择面较广

杭州 · AI算法 · 73 个在招

职位详情

关于这个职位

负责构建内容安全与商品合规的大模型识别链路,通过大小模型协同及多模态技术攻坚强对抗变异风险

主导知识本体建设与AGI自动化流程,建立评测机制并支撑各业务线(如闲鱼、出海)的风险防控落地

最低要求

计算机、人工智能、数学、信息安全等相关专业本科及以上学历,2 年以上算法相关经验

扎实的机器学习与深度学习功底,熟练使用 PyTorch / TensorFlow,工程实现与数据分析能力可靠
在以下至少一个方向有实际落地经验:多模态理解(图文视频)、细粒度视觉感知与目标检测、NLP 文本表征与检索、异常检测或风控反欺诈
熟悉大模型技术栈:Prompt 工程、SFT / RLHF / DPO、蒸馏、RAG 与 Agent 架构,有垂直领域模型训练与上线经验者优先
具备大规模数据处理能力,熟悉 ODPS / Spark 等离线计算与向量检索,关注推理成本与时效
风险与合规意识强,理解监管要求,对涉政、敏感信息有基本判断力
能适应突发风险事件的快速响应节奏
逻辑严谨,能把模糊的业务标准拆解为可评测、可归因的算法问题
沟通与跨团队协作能力良好

工作职责

建设大小模型协同的主控识别链路:小模型圈流 + 数据驱动大模型 + 知识驱动大模型,把风险识别能力做到风险点粒度,提升完结占比

攻坚强对抗变异:同音/形近/拆字/缩写、上下文违规、知识组合、隐晦表达,以及打码、遮挡、小目标、AIGC 生成等低可见度风险形态
推进统一表征落地:以文本表征替代基于 DSL 的关键词范式,探索图像 ALL-in-One 表征,收敛烟囱式小模型,提升圈流召回并控制算力成本
负责知识与本体建设:名录、出版物、事件、国别化风险知识的自动生产、T+1 存量回捞与主动防控,支撑运营在知识点上配置策略
参与 AGI 链路建设:知识生产 AGI、商品 SLA-AGI、举报漏防止血 AGI,实现漏防归因到策略配置的端到端自动化
建立评测与对抗机制:风险点基准集、蓝军对抗样本、轻量自动化评测,替代依赖人工抽检的效果验收
支撑重点专项与场景:一号专班与重大活动保障、闲鱼、高德、出海多站点冷启动,完成风险冷启动与 SLA 交付
与业务、运营、审核、法务协同,对齐监管要求与风险标准,推动能力在真实业务中放量并兑现到人月与账单

优先资格

有内容安全、商品合规、知产或审核算法相关经验

有知识图谱 / 本体建模、GraphRAG、知识自动生产经验
有蓝军对抗、评测基准建设、因果推断或 A/B 实验经验
有多语种、跨地域合规或出海业务经验
顶会论文、技术专利、开源贡献或竞赛获奖

AI 洞察

优缺点分析

优点

  • 依托阿里庞大业务生态,数据资源丰富,影响力巨大
  • 团队技术氛围浓厚,成长空间广阔
  • 业务指标导向明显,需平衡技术理想与商业落地效率
  • 跨部门协作复杂,沟通成本高

缺点 / 挑战

  • 接触业界最前沿的大模型与安全结合场景,技术挑战性强
  • 需应对高强度的对抗性攻击与突发风险事件,工作压力较大
  • 追求技术深度与挑战、抗压能力强、希望在大平台发挥影响力的资深算法工程师

角色解读

  • 可向AI安全首席科学家、算法架构师方向发展,或转型负责更大规模的平台安全治理与技术战略规划
  • 构建基于大模型的内容安全与商品合规识别系统,处理多模态风险数据
  • 设计大小模型协同架构,优化对抗样本识别与知识本体建设
  • 建立自动化评测体系,支撑各业务线的风险防控SLA
  • 精通PyTorch/TensorFlow及大模型微调技术(SFT/RLHF/RAG)
  • 具备多模态理解、NLP文本表征或风控算法落地经验
  • 熟悉大规模数据处理工具(ODPS/Spark),具备极强的工程实现与问题分析能力

申请策略

  • 准备详细的项目复盘,特别是如何解决长尾难点和对抗攻击的案例
  • 展现对业务价值的理解,而不仅仅是技术指标
  • 突出大模型在垂直领域(如安全、风控)的落地案例,强调性能优化与成本控制成果
  • 展示多模态处理、知识图谱构建或对抗样本生成的具体项目经验
  • 深入掌握LLM微调技术(LoRA, P-Tuning等)及RAG架构优化
  • 补充大规模分布式训练与推理加速相关知识
  • 了解内容安全法律法规与合规标准

面试指南

  • 使用STAR法则(情境、任务、行动、结果)描述项目
  • 重点阐述技术选型的理由、遇到的核心难点及解决方案、最终带来的业务价值(如召回率提升、成本降低)
  • 请介绍你在大模型微调或RAG方面的具体实践与优化思路
  • 如何设计一套有效的对抗样本生成与评测体系?
  • 在多模态内容安全场景中,如何处理图文不一致或隐晦违规内容?
  • 如何平衡模型精度与推理成本/时效性?
  • 复习深度学习基础与大模型最新进展(如Transformer变体、Agent架构)
  • 准备1-2个完整的技术项目案例,涵盖数据清洗、模型训练、评估部署全流程

职位点评

薪资福利85
成长发展90
工作生活40
使命价值70

薪资福利

85较高

作为上市巨头企业的核心算法岗,薪资处于行业顶尖水平,福利体系完善,稳定性较高。

薪资信号偏高 (3.0千–5.0万/月)

成长发展

90较高

涉及AGI、大模型前沿技术与知识图谱等尖端领域,技术成长空间极大,能接触海量数据与复杂场景。

技术前沿前沿/新兴技术
技术栈大模型、PyTorch、TensorFlow、RAG、Agent、SFT、RLHF、DPO、多模态、知识图谱、GraphRAG
业务类型profit_center

工作生活

40较低

互联网大厂核心研发岗,通常工作强度较大,需适应突发风险事件的快速响应,WLB相对一般。

工作模式未明确
办公地点科技园/产业园
加班情况JD含高强度暗示词

使命价值

70中等

工作内容关乎平台生态安全与合规,具有明确的社会价值与责任感,但属于企业内部职能支持。

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