蚂蚁集团-Cyber模型训练工程师-杭州/北京

优缺点分析

角色解读

• 深度技术专家路线：持续深耕AI安全领域，成为该方向的核心技术专家或研究员
• 技术管理路线：凭借技术积累和项目经验，带领小团队攻坚特定方向的技术难题
• 领域扩展路线：向更广泛的安全AI产品、安全策略或基础架构方向拓展，成为复合型人才
• 负责设计和实现针对网络安全（Cyber）场景的大模型训练方案，包括数据构建、算法选型与优化
• 应用强化学习（RL）和智能体（Agentic）微调等先进技术，提升模型在漏洞挖掘、利用与攻防对抗中的实战能力
• 与安全研究团队紧密合作，将前沿安全知识与模型训练相结合，推动AI在网络安全领域的落地应用
• 持续评测和优化模型在真实或模拟安全场景中的表现，解决实际工程挑战
• 扎实的大模型训练理论基础，精通LLM后训练（如SFT、RLHF）和领域数据工程
• 深入了解至少一个相关方向：LLM for Security（将大模型用于安全）或 LLM for Code
• 出色的编程与工程能力（通常需掌握Python及相关ML框架），以及将科研转化为实践的能力
• 对网络安全基础（如漏洞原理、攻防技术）有认知，并能将其融入模型训练目标中

申请策略

• 在求职信或面试中，清晰阐述你对“大模型赋能网络安全”这一交叉领域的理解和兴趣，展示你的独特视角
• 准备1-2个你思考过的、如何用LLM解决具体安全问题（如自动化漏洞分析）的思路或雏形
• 突出博士/硕士期间与LLM训练、安全AI或相关领域的高质量研究经历与论文发表
• 详细描述参与过的相关项目，特别是使用RL/SFT进行模型微调或解决安全问题的实践经验
• 强调在开源项目、安全竞赛（如CTF）或高水平学术会议中的参与和成果，证明你的领域热情与能力
• 清晰列出掌握的技术栈，如PyTorch、Transformers、RL算法库以及相关的安全工具
• 系统复习或跟进最新的大模型后训练技术（如PPO、DPO在安全场景的应用）和安全领域知识
• 尝试复现一些著名的安全相关LLM研究或参与开源安全AI项目，积累实战Portfolio

面试指南

• 使用STAR法则，结合具体项目经验，描述任务背景、你的行动（技术方案）、以及量化或质化的成果
• 对于技术方案设计题，先明确目标（如提升漏洞利用率），再拆解问题（数据、模型、评估），最后阐述你的具体思路
• 对于前沿技术讨论，展现你的知识广度（了解不同方法的原理）和思考深度（能结合安全场景分析优劣）
• 请描述一个你使用大模型解决复杂问题的项目经历，重点说明技术选型和效果评估
• 你认为大模型在漏洞挖掘或攻防场景中可能遇到哪些主要挑战？你会如何设计训练方案来克服？
• Agentic SFT和传统的SFT有什么区别？在安全任务中应用强化学习（RL）的关键是什么？
• 如何构建高质量的网络安全领域数据集用于模型训练？你有哪些经验或想法？
• 你如何看待AI在网络安全领域的发展前景？