莉莉丝
风控Agent算法实习生（内容风控方向）
风控Agent算法实习生（内容风控方向）
发布于 大约 14 小时前实习/见习
上海市
无经验要求
实习生
仅现场办公
本科
NLP工程
Llm Agent
Nlp
Pytorch
Sql
内容风控
黑产治理
AI 估算 · 0k–0k
职位详情
关于这个职位
这是一份莉莉丝的内容风控Agent算法实习生岗位，你将参与构建和优化内容风控Agent，涉及黑词挖掘、语料修订、黑产指纹挖掘等场景
工作内容包括搭建Agent工作流、建立效果评估机制，以及参与BERT等预训练语言模型的训练与调优
适合对NLP和LLM Agent方向有浓厚兴趣、希望在实际业务中积累经验的在校生
最低要求
计算机、人工智能、数据科学、数学等相关专业本科及以上学历在校生
具备扎实的 Python 编程能力，熟悉 SQL，能够独立完成数据处理、实验分析及模型开发
具备扎实的 NLP 基础，熟悉文本分类、语义匹配、序列标注、聚类等常见任务，了解 BERT 等预训练语言模型的原理与训练流程
熟悉 PyTorch、Transformers 等深度学习工具，有 BERT 模型训练、调优或相关 NLP 项目经验
具备 LLM Agent 搭建经验，能够围绕具体业务场景完成 Agent 的方案设计、开发调试、效果评估与迭代优化
有实际业务落地经验者优先
每周至少实习 3 天，连续实习 3 个月以上，可全职或长期实习者优先
工作职责
参与内容风控 Agent 的设计与构建，围绕黑词挖掘、语料修订、黑产指纹挖掘与关联分析等场景，完成 Agent 工作流搭建及持续优化
建立 Agent 效果评估与分析机制，结合实际运行数据定位问题，持续提升 Agent 的准确性、稳定性和任务完成效果
参与风控场景下的 NLP 算法研究，负责 BERT 等预训练语言模型的数据构建、训练调优、实验评估与效果优化
跟进 LLM Agent、NLP 等方向的前沿技术，探索其在内容安全及黑产治理场景中的应用
优先资格
有 NLP 论文、科研项目或算法竞赛经历
有内容安全、反作弊、黑产治理、知识图谱或关联挖掘相关经验
有弱监督、半监督、难样本挖掘、对比学习或模型蒸馏等训练优化经验
有可实际运行的 Agent 项目，或完整参与过 Agent 从设计、评估到落地的过程
AI 洞察
优缺点分析
优点
- 参与实际业务场景，积累内容风控和LLM Agent的实战经验
- 公司为大型游戏公司，平台稳定，技术氛围好
- 接触前沿技术，如LLM Agent和BERT，提升技术能力
- 有转正机会，表现优秀可留用
- 实习时间要求较长，需每周至少3天，连续3个月
- 内容风控领域敏感，可能涉及复杂场景，需要耐心
- 竞争激烈，需要具备较强的NLP和Agent能力
- 适合对NLP和LLM方向有浓厚兴趣，希望在内容安全领域积累实战经验的在校生
缺点 / 挑战
暂无明显挑战项
角色解读
- 从实习生到正式算法工程师，深入NLP和LLM领域
- 在内容安全领域积累经验，成为风控算法专家
- 向Agent架构或技术管理方向发展
- 负责内容风控Agent的设计与构建，包括黑词挖掘、语料修订、黑产指纹挖掘等场景的工作流搭建
- 建立Agent效果评估机制，分析运行数据，优化Agent的准确性和稳定性
- 参与NLP算法研究，进行BERT等预训练模型的数据构建、训练调优和效果优化
- 跟踪LLM Agent和NLP前沿技术，探索在内容安全领域的应用
- 扎实的Python编程能力，熟悉SQL，能独立处理数据
- NLP基础扎实，熟悉文本分类、语义匹配、序列标注等任务，了解BERT原理
- 熟悉PyTorch、Transformers等工具，有BERT模型训练经验
- 具备LLM Agent搭建经验，能完成方案设计、开发调试和效果评估
申请策略
- 关注莉莉丝的业务方向，了解游戏内容安全需求
- 在简历中强调实际项目落地经验
- 突出Python编程和SQL数据处理能力
- 强调NLP项目经验，特别是BERT模型训练或调优
- 展示LLM Agent搭建经验，包括方案设计和效果评估
- 如有相关竞赛或论文，务必列出
- 熟悉PyTorch和Transformers库，掌握BERT微调
- 了解LLM Agent框架，如LangChain，尝试搭建简单Agent
面试指南
- 使用STAR法则，描述项目背景、任务、行动和结果
- 强调数据预处理、模型选择、调优和评估的完整流程
- 展示对LLM Agent的理解，包括工具调用、记忆等
- 请介绍你使用BERT进行文本分类的项目
- 如何设计一个Agent来挖掘黑词？
- 如何处理不平衡数据？
- 你如何评估Agent的效果？
- 复习NLP基础，特别是BERT原理和微调
职位点评
70
综合评分
技术前沿、成长空间大，但薪资较低且需现场办公。
从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。
更适合这类人
适合追求技术成长、对NLP和LLM感兴趣的在校生。
表现最好
成长发展
相对薄弱
薪资福利
薪资福利40
成长发展90
工作生活60
使命价值70
薪资福利
40较低
实习薪资相对较低，但公司平台稳定，福利可能包括餐补等。
薪资信号未披露（AI估算：0K-0K/月）
成长发展
90较高
职位涉及前沿的LLM Agent和NLP技术，提供实际业务场景，成长空间大。
技术前沿前沿/新兴技术
技术栈Python、SQL、NLP、BERT、PyTorch、Transformers、LLM Agent
成长机会实习、长期实习优先
业务类型ambiguous
工作生活
60中等
要求每周至少3天，连续3个月，可能影响学业，但未明确加班。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
70中等
内容安全对维护网络环境有积极意义，但社会影响力一般。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs