蚂蚁集团-风控算法工程师（大模型方向）-杭州

优缺点分析

角色解读

• 在蚂蚁集团，你可以从风控算法工程师成长为技术专家，深入大模型在金融风控领域的应用前沿
• 有机会晋升为团队负责人或技术Leader，带领团队探索更复杂的AI风控场景
• 积累金融风控与大模型结合的稀缺经验，成为行业内炙手可热的复合型人才
• 研发基于大模型（LLM/Agent）的新型风控决策体系，从海量碎片化数据中构建独立于传统评分卡的风险评估能力
• 参与信贷核心模型（如PD模型、反欺诈模型）的设计、训练与迭代，并探索大模型与传统模型的融合路径
• 利用大模型自动化扫描和挑战现有信贷策略，发现漏洞、模型退化等问题，并输出优化建议
• 设计基于大语言模型的多轮对话风控交互机制，提升催收、智能客服等场景的准确性和合规性
• 深入理解主流大模型（如GPT、LLaMA、Qwen）的架构原理、能力边界及预训练/后训练技术
• 具备扎实的Prompt Engineering、RAG及Agent架构实践经验，能独立设计复杂的LLM推理链路
• 精通Python、SQL，熟悉主流深度学习及NLP开源框架，具备多机多卡分布式训练实操能力
• 对AI风控决策有底层认知，包括幻觉控制、置信度校准、不确定性量化等关键问题

申请策略

• 在申请时，可以主动表达对金融风控与大模型结合的兴趣，并展示相关思考
• 了解蚂蚁集团在金融科技领域的布局和风控体系，在面试中展现对业务的深入理解
• 重点突出大模型（LLM）相关的项目经验，特别是SFT、RLHF、RAG、Agent等方向的实操经历
• 详细描述在风控、信贷或反欺诈领域的算法项目，量化成果和业务影响
• 强调扎实的编程能力（Python、SQL）和深度学习框架（如PyTorch）的使用经验
• 如有顶会论文、开源项目或竞赛获奖经历，务必在显眼位置展示
• 系统学习大模型后训练技术，如SFT、RLHF、DPO，并动手实践
• 深入了解金融风控业务，学习信贷风险管理、反欺诈等基础知识

面试指南

• 回答技术问题时，采用STAR法则（情境、任务、行动、结果），清晰展示项目背景、个人贡献和最终成果
• 对于开放性问题，先阐述核心思路，再结合具体技术方案，最后总结潜在价值
• 在回答关于风控场景的问题时，要体现对业务的理解，并强调技术如何服务于业务目标
• 请详细介绍一下你在大模型后训练（如SFT、RLHF）方面的项目经验，并说明如何解决其中的挑战
• 如何评估一个LLM在风控场景下的置信度？如何控制幻觉问题？
• 请谈谈你对大模型在信贷风控中应用的理解，以及它可能带来的机遇和挑战
• 设计一个基于Agent的自动化策略扫描系统，你会如何实现？
• 你如何理解因果推断与统计关联在风险决策中的区别？