蚂蚁集团
蚂蚁集团-风控策略AI工程师-上海
蚂蚁集团-风控策略AI工程师-上海
发布于 3 天前普通员工/个人贡献者
上海市
中级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
Llm
Pytorch
Tensorflow
反欺诈
图神经网络
多模态模型
大模型
特征工程
风控
AI 估算 · 30k–50k
大厂核心AI岗位，薪资竞争力强，硕士+AI技能稀缺，市场溢价明显。
职位详情
关于这个职位
该职位负责利用大模型（LLM、多模态）技术设计风控方案，针对线下支付场景识别虚假作业、冒铺等风险
您将主导模型开发全流程，包括算法选择、训练部署及效果监控，并与安全策略团队协作推动技术落地
适合对AI与风控交叉领域有热情、具备机器学习基础的工程师
最低要求
计算机科学、人工智能、数学、统计学、网络空间安全等相关专业硕士及以上学历
熟练掌握机器学习算法（如GBDT/XGBoost、DNN、GNN），熟悉至少一种深度学习框架（PyTorch/TensorFlow）
有大模型（如LLM、多模态模型）开发或调优经验，熟悉模型微调（Fine-tune）等技术
精通SQL、Python，熟悉Linux开发环境，具备大数据处理（如Spark、Hadoop）经验者加分
风险敏锐度高，能够快速理解新业务特性，主动发现风险点并提出体系化解决方案
具备突出的分析问题和解决问题能力，自我驱动，并有较强的学习能力、创新应用能力及沟通协调能力
工作职责
大模型风控方案设计与落地：针对线下支付场景的业务推广核心风险（如虚假作业、冒铺、超铺、虚假门店、重复门店等），基于大模型技术（如LLM、多模态模型）设计针对性解决方案，提升风险识别与拦截能力
与安全策略团队协作，将业务痛点转化为可落地的模型需求，输出从数据标注、特征工程到模型部署的全流程方案
主导风控模型的开发，包括但不限于：算法选择：结合业务场景，选择或设计适合的算法（如图神经网络、异常检测、NLP、多模态分析等）
训练与部署：基于TensorFlow/PyTorch等框架完成模型训练、调优及线上部署
效果监控：通过A/B测试、指标分析（如F1值、召回率）持续跟踪模型表现，迭代优化模型性能
前沿技术探索与创新：研究大模型在风控领域的前沿应用（如多模态数据融合、对抗样本防御、隐私计算等），推动技术落地实践
推动跨团队协作，将学术成果（如顶会论文）转化为业务解决方案
跨团队协作与需求对接：深入理解业务场景，挖掘风控团队、运营团队的需求痛点，提供技术可行性分析与落地路径
优先资格
具备实际风控领域（如作业风险、反欺诈、反作弊）项目经验者优先
AI 洞察
优缺点分析
优点
- 蚂蚁集团平台大，数据丰富，能接触亿级交易场景，快速积累实战经验
- 专注大模型+风控前沿方向，技术成长快，团队资源充足
- 薪资福利优厚（16薪+年终奖），职业天花板高
- 模型效果要求高，需持续迭代，工作强度较大，偶有紧急支持需求
- 适合对AI算法有深厚兴趣，愿意深耕风控领域，能适应快速迭代节奏的技术型人才
缺点 / 挑战
- 风控业务复杂，需快速理解线下支付场景及各类风险，学习曲线陡峭
- 跨团队协作频繁，沟通成本较高，需具备较强的业务理解能力
角色解读
- 横向发展：在蚂蚁内部转向更核心的风控系统架构或AI中台岗位
- 纵向晋升：从算法工程师到资深专家，带领团队设计多模态风控体系
- 行业拓展：积累金融风控经验后，可跳槽至银行、支付机构或互联网公司的风控部门
- 设计并落地基于大模型的风控方案，针对线下支付业务识别虚假作业、冒铺等风险
- 主导风控模型全流程开发，包括算法选择、训练部署、效果监控和迭代优化
- 跟踪前沿AI技术（如多模态、对抗防御），推动学术成果转化为业务解决方案
- 与安全策略、运营等团队协作，将业务需求转化为技术实现路径
- 扎实的机器学习/深度学习基础，熟悉GBDT、DNN、GNN等算法
- 精通Python、SQL，熟练使用PyTorch或TensorFlow框架，有大模型微调经验
- 熟悉风控领域（反欺诈、反作弊）业务逻辑和常用模型评估指标
- 具备大数据处理经验（Spark/Hadoop）和Linux环境开发能力
申请策略
- 研究蚂蚁集团线下支付（如收钱码）业务痛点，在面试中提出针对性的风控思路
- 关注蚂蚁安全技术博客，了解团队过往成果，面试时展示技术热情
- 重点突出大模型（LLM/多模态）项目经验，尤其是模型微调、部署方面的成果
- 展示风控相关经历（如反欺诈、异常检测），附上具体效果指标（如F1值提升）
- 强调编程能力（Python/SQL）和框架使用（PyTorch/TensorFlow），附带GitHub链接
- 如有顶会论文或竞赛获奖，务必列出，体现前沿探索能力
- 学习大模型微调技术（如LoRA、Prompt Tuning），熟悉HuggingFace生态
- 补充风控业务知识，了解反欺诈策略、GBDT特征工程、图神经网络应用
面试指南
- 使用STAR法则：讲清楚场景（Situation）、任务（Task）、行动（Action）和结果（Result），重点突出技术选型原因和效果量化
- 对于设计类问题，先拆解业务目标，定义风险类型，再分步骤讲特征→模型→评估→迭代，体现系统性思维
- 请介绍一个你使用大模型解决实际问题的项目，包括技术选型和效果
- 如何设计一个检测虚假门店的风控模型？请从特征工程到评估指标详细说明
- 你的模型上线后发现召回率低，如何处理？请给出排查和优化思路
- 解释一下图神经网络在风控场景中的应用，你用过哪些GNN变体？
- 如果业务方要求快速上线新策略但数据量不足，你如何平衡效果与速度？
- 复习经典机器学习算法（XGBoost、DNN）和大模型基础知识，准备手写代码
职位点评
75
综合评分
大厂核心AI风控岗位，前沿技术栈，高薪但WLB一般。
更适合这类人
适合重视技术成长和薪资回报，能接受高强度现场办公的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利85
成长发展95
工作生活50
使命价值70
薪资福利
85较高
蚂蚁集团提供具有竞争力的薪资（硕士+AI岗位，30k-50k+16薪），福利完善（五险一金、补充医疗、年终奖金等），但未在JD中明确列出具体福利，故评分略低于满分。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
95较高
职位深度涉及大模型前沿技术（LLM、多模态），有明确的模型研发和探索空间，且蚂蚁集团技术氛围浓厚，成长路径清晰，发展性极强。
技术前沿前沿/新兴技术
技术栈大模型、LLM、多模态模型、图神经网络、TensorFlow、PyTorch
业务类型profit_center
工作生活
50较低
上海现场办公，未提及弹性工作或远程办公选项。互联网金融风控岗位可能面临高强度迭代和紧急支持，生活平衡一般。
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
风控岗位直接保护用户资金安全，社会价值显著；金融科技行业稳定增长，但岗位具体使命未在JD中强调，意义感中等偏上。
行业发展稳定成熟行业
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs