小红书
【2027校招】AI算法工程师（AI4SEC方向）
【2027校招】AI算法工程师（AI4SEC方向）
发布于 大约 16 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Prompt优化
Rag
大语言模型 (Llm)
安全领域
数据集建设
机器学习
深度学习
自然语言处理 (Nlp)
值不值得投
75综合评分
综合评分 75
技术前沿、成长空间大的AI安全校招岗，补偿性与生活化动机满足有限。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
28K
比人工智能中位数高
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 1380 个在招 · 其中人工智能 33 个
市场机会
选择面较广
北京 · 人工智能 · 约 370 个在招
职位详情
关于这个职位
该职位是面向2027届毕业生的AI算法工程师校招岗位，专注于AI4SEC（AI赋能安全）方向
你将与安全专家合作，运用大模型、RAG、Agent等前沿AI技术，解决网络安全、风控、合规等真实场景中的风险识别、知识检索和任务规划问题，推动AI能力在安全领域的智能化落地
最低要求
本科及以上学历，计算机、人工智能、数据科学、软件工程、信息安全等相关专业
熟悉Python，具备机器学习、深度学习或自然语言处理基础，能够独立完成数据处理、算法实验和原型验证
了解大语言模型基本原理，在Prompt优化、RAG、Embedding、模型微调或Agent规划决策等方向有至少一项实践经验
具备良好的问题拆解和实验设计能力，能够构建数据集与评测指标，并通过对照实验和结果分析判断算法效果
对AI技术在安全场景中的应用有兴趣，愿意研究风险识别、信息抽取、知识检索、辅助研判和任务决策等问题
工作职责
面向蓝军渗透、威胁情报、风控对抗、网络安全和安全合规等场景，研究基于大模型的风险识别、内容理解、信息抽取、分类研判及建议生成算法
负责安全RAG能力优化，研究安全语料处理、知识切分、召回、排序、上下文构建及答案可信度评估方法，提升安全知识检索与问答效果
研究安全Agent的任务拆解、规划决策、工具选择、结果验证和执行反馈机制，提升复杂安全任务的完成率与自主性
建设安全领域训练与评测数据集，设计离线评测、在线评估及对照实验，持续优化模型和Agent在准确率、召回率、任务成功率及误报漏报等指标上的表现
跟踪大模型、RAG和Agent前沿技术，结合真实安全问题开展模型适配、微调、Prompt优化、原型验证和算法创新
优先资格
有大模型数据构造、SFT、偏好优化、模型评测或模型推理相关经验
有RAG召回与排序、向量数据库、Embedding模型、知识问答或检索效果优化经验
有AI Agent、Multi-Agent、工具选择、任务规划或执行结果验证相关算法实践
熟悉漏洞分析、安全运营、威胁情报、风控、数据安全等至少一个安全子领域
在AI技术或算法竞赛中获奖，或在NLP、CV、安全领域高水平会议及期刊发表过论文
AI 洞察
优缺点分析
优点
- 技术前沿性高，直接接触并应用大模型、Agent等当前最热门的AI技术
- 业务场景独特且价值明确，将AI技术应用于保障用户和平台安全，技术落地感强
- 作为校招岗位，拥有大公司的平台资源和系统化的培养体系，起步平台好
- 技术复合度高，需要同时深入理解AI算法和安全领域知识，学习曲线陡峭
- 对人工智能技术，特别是大模型和智能体有浓厚兴趣，同时不排斥学习网络安全、风控等垂直领域知识的应届理工科毕业生
- 希望从事技术含量高、能解决复杂现实问题的研发工作
缺点 / 挑战
- 安全场景对算法的准确性和可靠性要求极高，模型误判或漏报可能带来实际风险
- 项目涉及从算法研究到落地评测的全流程，对工程实践和系统思维能力要求较高
角色解读
- 技术专家路线：深耕AI与安全交叉领域，成为该方向的技术权威，主导核心算法研发
- 技术管理路线：积累项目经验后，可承担小团队技术管理或项目经理职责，推动AI安全产品化
- 前沿探索路线：持续跟踪和研究AI前沿技术，参与行业标准制定或学术合作，保持技术领先
- 研究并开发应用于网络安全、风控等场景的大模型算法，处理风险识别、内容理解等问题
- 优化安全领域的RAG（检索增强生成）系统，提升安全知识库的检索准确性和问答质量
- 设计和实现安全Agent，使其能自主规划、执行并验证复杂的安全任务
- 构建训练和评测数据集，通过设计实验来持续优化AI模型和Agent的性能指标
- 扎实的Python编程与机器学习/深度学习基础，熟悉NLP领域技术
- 了解大语言模型原理，并在RAG、Prompt工程、模型微调或Agent设计中至少一项有实践经验
- 具备独立的实验设计与数据分析能力，能构建评测体系来验证算法效果
- 对将AI技术应用于解决实际安全问题有浓厚兴趣和探索精神
申请策略
- 深入研究小红书的业务特点和可能存在的安全挑战（如内容安全、交易风控），思考AI可切入的点
- 准备一个能体现你对AI和安全交叉领域思考的、有亮点的项目或创意，以便在面试中深入讨论
- 突出与岗位匹配的项目经历，如NLP、大模型、RAG、Agent相关的课程设计、竞赛项目或科研成果
- 强调Python编程能力和数据分析、实验设计的能力，可列举使用过的机器学习框架和工具
- 如有安全领域的学习背景、竞赛参与或论文发表，应重点展示，这是关键的差异化优势
- 清晰阐述个人对AI技术在安全领域应用的理解和兴趣点
- 系统学习RAG、Agent相关的技术原理和开源实现，尝试搭建简单的demo
- 补充网络安全基础知识，了解常见的威胁类型（如漏洞、钓鱼、风控）和基本的攻防概念
面试指南
- STAR法则：针对项目问题，清晰描述背景(Situation)、任务(Task)、行动(Action)和结果(Result)，重点突出技术决策和思考过程
- 问题拆解：对于开放性设计题，先界定问题边界和核心目标，再分步骤（数据处理、模型选择、效果评估）给出方案
- 结合业务：将技术方案与具体的安全业务场景（如内容审核、风险识别）结合，体现对落地应用的理解
- 请详细介绍一个你做过的与NLP/大模型/RAG相关的项目，你在其中具体负责什么？遇到了哪些技术难点，如何解决的？
- 你如何理解‘AI4Sec’？请举例说明你认为大模型或Agent技术可以解决哪个具体的安全问题？
- 如果让你设计一个基于RAG的安全问答系统，你会如何考虑安全领域知识的切分、检索和排序？
- 在构建AI算法评测集时，你会考虑哪些关键指标？如何平衡准确率和召回率？
- 你对RAG系统中的‘幻觉’问题有什么看法？在安全场景下，如何缓解这个问题？
职位点评
薪资福利70
成长发展95
工作生活40
使命价值85
薪资福利
70中等
作为校招岗位，薪资范围符合市场水准，但未明确提及具体福利细节，对追求明确、优厚薪酬福利包的求职者来说，信息不够充分。
薪资信号市场水准 (20K-35K/月)
成长发展
95较高
职位提供接触大模型、Agent、RAG等前沿技术的绝佳机会，且在安全这一高价值垂直领域应用，技术成长路径清晰，公司平台能提供丰富的学习资源。
技术前沿前沿/新兴技术
技术栈大语言模型 (LLM)、RAG、Agent、Prompt优化、模型微调、Embedding
成长机会共同探索前沿AI技术、跟踪...前沿技术、算法创新
业务类型profit_center
工作生活
40较低
职位描述未提及任何关于工作时间、办公模式或WLB的信息，工作地点分布在三个城市，但具体办公环境未知，生活化动机的满足程度无法从JD中判断。
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
85较高
将前沿AI技术应用于守护网络安全和风控，具有明确的正向社会价值和技术挑战性，符合用技术解决复杂现实问题的使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号应用于真实安全场景、提升AI能力在安全场景中的智能提效
创新程度积极采用新技术
小红书 的其他在招职位
相似职位推荐
Watch Jobs