蚂蚁集团
蚂蚁集团-芝麻信用风控算法工程师-芝麻信用
蚂蚁集团-芝麻信用风控算法工程师-芝麻信用
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公风险管理
风险管理
Prompt工程
Sql
多任务学习
大模型
机器学习
深度学习
结构化数据
预训练
风控算法
值不值得投
77综合评分
综合评分 77
前沿技术、核心业务、高成长性，但WLB可能一般
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
3.5万
比风险管理中位数高
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 870 个在招 · 其中风险管理 25 个
市场机会
选择适中
杭州 · 风险管理 · 34 个在招
职位详情
关于这个职位
该职位是蚂蚁集团芝麻信用团队的风控算法工程师，主要负责结构化数据与大模型的融合算法研发，以提升信用评估和风险识别的准确性
工作涉及从数据构建、模型训练到线上部署的全链路工程，并需与多团队协作推动业务应用
最低要求
具有 3 年以上机器学习 /深度学习相关工作经验，算法功底扎实，熟悉序列建模、表格类神经网络（如TabPFN、Limix、Tabm）、推荐系统精排模型（如rankmixer、onetrans）等工作，能独立完成模型结构选型与设计
具有多任务 / 多场景统一建模实战经验，理解参数共享、任务冲突与负迁移，熟悉门控 /专家混合类多任务架构，能设计兼顾多场景共享增益与场景特化的统一模型
熟悉业界前沿的统一建模及预训练范式、尤其是在各垂直领域（风控 / 营销 / 推荐）的应用进展，能将前沿方法结合业务落地
具有海量样本、多卡训练的调参经验，能独立设计学习率、采样、加权、早停等训练策略
熟悉混合精度训练，能定位并治理数值溢出、梯度异常、训练发散等稳定性问题
熟练掌握训练性能瓶颈定位与优化，能区分算力、数据吞吐、IO、并行等不同根因
具备风控领域基础知识，熟悉KS、AUC、坏率、评分档位与评分迁移等核心业务指标，能理解不同风险场景在样本与风险类型上的差异
熟练使用主流大数据 / 数仓平台与 SQL 进行特征加工、样本构建与数据探查
Python与深度学习框架功底扎实，具备良好的代码规范
工作职责
负责芝麻信用场景下结构化数据（行为序列、关系网络、多源信用记录）与大模型的融合算法研发，提升大模型对结构化信用数据的理解与推理能力
探索结构化多模数据预训练、后训练等前沿方法，并推动其在信用评估、风险识别等场景落地
负责从数据构建、Prompt 工程、SFT/RLHF 微调到线上部署的全链路工程落地，并与产品、风控、运营团队协作推动业务应用
AI 洞察
优缺点分析
优点
- 在芝麻信用这样的核心业务中工作，能直接影响业务成果
- 蚂蚁集团平台资源丰富，有利于技能成长和职业发展
- 需要处理海量数据和复杂模型，对工程能力和性能优化要求高
- 风控领域业务知识需要快速学习和理解
- 适合对机器学习算法有深厚兴趣，愿意在风控领域深耕，并具备较强工程落地能力的求职者
缺点 / 挑战
- 参与前沿的大模型与结构化数据融合研发，技术挑战性强
- 可能面临高强度的工作节奏和项目压力
角色解读
- 技术专家路线：深耕风控算法，成为领域内的技术专家或架构师
- 管理路线：积累经验后可能转向技术团队管理，负责更大范围的算法项目
- 跨领域发展：凭借算法能力拓展到其他AI应用场景，如推荐、营销等
- 负责结构化信用数据与大模型的融合算法研发，提升信用评估和风险识别能力
- 探索并落地结构化多模数据的预训练、后训练等前沿方法
- 完成从数据构建到模型部署的全链路工程，并与产品、风控团队协作推动业务应用
- 扎实的机器学习和深度学习基础，熟悉序列建模、表格类神经网络等模型设计
- 多任务建模实战经验，理解参数共享和任务冲突
- 熟悉大模型预训练和微调技术，如SFT/RLHF
- 风控领域知识，熟悉核心业务指标如KS、AUC等
申请策略
- 研究蚂蚁集团芝麻信用的业务和产品，理解其风控场景
- 准备展示算法工程化能力的案例，强调代码规范和性能优化
- 突出3年以上的机器学习/深度学习项目经验，特别是结构化数据处理和大模型应用
- 强调多任务建模、预训练微调等前沿技术的实战经历
- 展示风控相关项目或知识，如信用评分、风险评估等
- 体现全链路工程能力，从数据处理到模型部署的完整经验
- 深入学习表格类神经网络和多任务学习架构，如TabPFN、专家混合模型
- 补充大模型预训练和微调技术，如Prompt Engineering、RLHF
面试指南
- 使用STAR法则（情境、任务、行动、结果）描述项目经验，突出技术细节和成果
- 结合理论知识和实践经验回答技术问题，展示扎实基础
- 对于业务问题，从数据特点、模型选择和指标优化角度阐述
- 请描述一个你处理过的结构化数据与模型融合的项目案例
- 如何解决多任务学习中的负迁移问题？
- 在海量数据训练中，你如何定位和解决训练稳定性问题？
- 你对风控领域的KS、AUC等指标如何理解？如何应用？
- 请谈谈你对大模型预训练和微调流程的理解
职位点评
薪资福利85
成长发展90
工作生活50
使命价值70
薪资福利
85较高
该职位在杭州，作为蚂蚁集团的核心岗位，薪资和福利应有竞争力，能较好满足补偿性需求。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
90较高
涉及前沿大模型技术与风控融合，有高技术含量和成长空间，对技能发展满足程度高。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、大模型、结构化数据、多任务学习、预训练、微调
业务类型profit_center
工作生活
50较低
JD未明确提及办公模式和WLB，根据行业推测可能工作强度较高，但无法确定。
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
70中等
风控算法直接服务于信用评估，具有社会价值，但创新性和行业前景需结合具体业务判断。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
蚂蚁集团 的其他在招职位
相似职位推荐
Watch Jobs