国际事业群IBG-算法实习生（17）

优缺点分析

角色解读

• 实习期间深入理解智能风控与Agent技术的工业级应用
• 转正后可成为风控算法工程师，负责更核心的模型和系统设计
• 长期可向风控算法专家、技术负责人或相关领域（如金融风控、安全AI）发展
• 参与滴滴国际业务的反作弊风控系统的开发与优化
• 运用大语言模型（LLM）和多智能体（Multi-Agent）协同技术，设计并实现智能风控策略
• 处理与分析风控相关数据，协助构建模型，提升反欺诈系统的准确性和实时性
• 与团队协作，理解业务场景，将技术方案落地应用于实际的反作弊战中
• 掌握Python、SQL等基础编程和数据处理能力
• 对大模型（LLM）及Agent应用有基础了解或实践经验
• 具备计算机、统计、人工智能等相关领域的研究生在读背景
• 对风控、安全或机器学习应用有基本兴趣

申请策略

• 在投递前，建议对滴滴的国际化业务和可能的反作弊场景（如打车、支付）做初步了解，面试中可展示你的思考
• 由于是通过邮件咨询，可以在投递简历时附上一段简短的自荐信，清晰说明你对该岗位和Agent技术的热情
• 重点突出与Agent、大模型相关的项目经验或研究成果，即使是课程设计或个人项目也应详细描述
• 清晰展示Python、SQL的熟练程度，以及相关的数据分析、机器学习项目经历
• 强调自己的学术背景与岗位的相关性，以及在学术研究中体现的分析或建模能力
• 如有任何与安全、风控、对抗相关的经验（如CTF、安全竞赛），应单独列出
• 系统学习并实践多Agent协同框架（如AutoGen, CrewAI等）和大模型应用开发技术
• 复习或巩固数据库知识（SQL），并学习风控领域常用的数据分析和特征工程方法

面试指南

• 对于项目介绍类问题，使用STAR法则（情境、任务、行动、结果）来结构化回答，重点突出你的技术贡献和思考
• 对于技术原理和应用场景问题，先阐述基本概念，再结合岗位描述（如反作弊）进行具体化的场景联想和优势分析
• 对于数据分析或设计类问题，展示清晰的逻辑思维流程：明确问题、分析维度、数据需求、验证方法
• 请介绍一个你做过的与Agent或大模型相关的项目
• 你对多Agent协同系统是如何理解的？它在反作弊场景下可能有哪些优势？
• 如果让你设计一个简单的基于规则的风控策略来识别虚假订单，你会考虑哪些维度和指标？
• 请手写一个SQL查询，从订单表中找出过去7天内每天订单量下降超过50%的城市
• 你对我们国际业务面临的反作弊挑战有什么了解或猜想？