三六零
安全大模型应用开发-Java（南京）-4965(J12033)
安全大模型应用开发-Java（南京）-4965(J12033)
发布于 3 天前实习/见习
南京市
无经验要求
实习生
仅现场办公
本科
软件工程
Llm
Nlp
大模型安全
数据清洗
Huggingface
Numpy
AI 估算 · 2k–4k
实习岗位，薪资根据市场水平估算，提供学习机会
职位详情
关于这个职位
这是360集团的安全大模型数据运营开发实习岗位，你将参与大模型安全数据集的建设与运营，包括对抗样本、合规语料等数据的采集、清洗与标注，同时开发和维护数据飞轮平台，并参与模型安全能力评测集的维护
职位面向计算机、AI、安全等专业在校生，要求具备Java和Python双语言开发能力，适合对大模型安全感兴趣的同学
最低要求
届及以后毕业，计算机科学、人工智能、软件工程、信息安全等相关专业在校生，硕士优先
具备 Java 与 Python 双语言开发能力，能独立完成中等规模的数据处理工具开发
熟悉常见数据处理库（Pandas、NumPy）与数据库操作（MySQL / MongoDB 任一）
具备良好的工程习惯，熟悉 Git 版本管理，代码规范意识强
学习能力与责任心强，能够独立推进任务，具备良好的文档撰写与跨团队沟通能力
每周可出勤不少于 4 天，连续实习周期不少于 6 个月
工作职责
参与大模型安全相关数据集的建设与运营，包括对抗样本、合规语料、评测基准等数据的采集、清洗、标注与版本管理
协助制定数据标注规范与质量验收标准，跟进外部标注团队交付，完成抽检与复核
开发和维护数据飞轮平台（采集、去重、脱敏、格式转换、统计分析），保障数据资产的可追溯性
参与模型安全能力评测集的维护与迭代，支持定期评测任务的自动化执行与结果分析
跟踪学术界与工业界大模型安全领域的公开数据集与评测方法，输出调研报告
优先资格
了解大语言模型基本原理，阅读过 LLM 安全/对齐相关论文（如 jailbreak、prompt injection、red-teaming 方向）
有 HuggingFace Datasets、Label Studio 等数据工具使用经验
参与过 NLP 数据集构建、评测基准维护或信息安全相关项目
AI 洞察
优缺点分析
优点
- 深度参与大模型安全前沿领域，积累宝贵的行业经验和技术视野
- 团队背靠 360 集团，平台资源丰富，可接触企业级安全产品实战
- 实习内容涵盖数据处理、工具开发、评测等多个方面，技能提升全面
- 有机会接触前沿论文和公开数据集，适合有志于学术研究的学生
- 数据处理工作可能较为繁琐，需要耐心和细致，尤其是标注质量把控
- 要求连续实习至少 6 个月，每周 4 天，时间投入较大，可能影响学业
- 大模型安全领域发展迅速，需要持续学习最新论文和技术
- 适合对 AI 安全感兴趣、具备较强编程能力的计算机相关专业在校生，尤其是希望在大模型安全方向积累项目经历并计划长期发展的同学
缺点 / 挑战
暂无明显挑战项
角色解读
- 可从数据标注与工具开发入手，逐步深入大模型安全核心算法与评测
- 若表现优秀，可转正为正式员工，进一步参与产品研发与安全攻防对抗
- 未来可向大模型安全研究员、安全数据科学家、AI 安全工程师等方向发展
- 参与大模型安全数据集的构建与运营，包括采集、清洗、标注和版本管理
- 开发和维护数据飞轮平台，实现数据采集、去重、脱敏、格式转换等自动化处理
- 协助模型安全能力评测集的维护与迭代，支持自动化评测执行与结果分析
- 跟踪学术界和业界的大模型安全最新数据集与评测方法，输出调研报告
- 熟练掌握 Java 和 Python 双语言开发，能独立开发中等规模数据处理工具
- 熟悉 Pandas、NumPy 等数据处理库及 MySQL/MongoDB 数据库操作
- 具备良好的工程习惯，包括 Git 版本管理和代码规范
- 了解大模型基本原理及 LLM 安全方向（如 jailbreak、prompt injection）者优先
申请策略
- 在简历或求职信中突出对 AI 安全领域的热情和了解
- 提前了解 360 大模型安全卫士的产品功能，面试时展示对产品的兴趣
- 突出 Java 和 Python 的实际项目经验，尤其是数据处理或工具开发相关
- 提及任何与 LLM、NLP、安全相关的课程项目或竞赛经历
- 强调数据清洗、标注、数据库操作等方面的具体成果
- 展示使用 Git 进行版本控制的工程习惯
- 提前学习 HuggingFace Datasets 库和 Label Studio 等数据标注工具
- 阅读几篇 LLM 安全方向的经典论文，如 jailbreak、prompt injection 相关
面试指南
- 对于技术问题，使用 STAR 法则（情境、任务、行动、结果）组织回答，突出具体技术和量化成果
- 对于安全知识问题，先阐述基本原理，再举例说明，最后联系实际应用
- 对于开放性问题，展示结构化思维，分点作答，并结合岗位要求
- 请描述一次你用 Python 处理大量数据的经历，遇到了哪些挑战？
- 你对大模型安全有哪些了解？请举例说明常见的攻击方式
- 如何确保数据标注的质量？你会如何设计验收标准？
- 请解释一下 Git 的分支管理策略，你在项目中是如何使用的？
- 你对 360 大模型安全卫士有什么了解？你认为它的核心优势是什么？
职位点评
64
综合评分
实习岗位，前沿大模型安全方向，技术成长空间大，薪资偏低，需现场办公。
更适合这类人
该职位最适合追求技能成长和前沿技术积累的求职者，对薪资和WLB要求不高。
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85
工作生活60
使命价值70
薪资福利
40较低
实习薪资通常较低，福利有限，但作为学习型岗位，补偿性动机满足度不高。
薪资信号未披露（AI估算：2K-4K/月）
成长发展
85较高
该岗位提供前沿的大模型安全领域实践机会，技能成长空间大，且有导师指导可能，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈Java、Python、大模型安全、LLM、对抗样本、数据清洗、NLP
业务类型profit_center
工作生活
60中等
现场办公，要求每周至少4天，实习周期长，生活化动机满足度一般。
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
从事大模型安全领域，有社会价值，但实习岗位影响有限。
行业发展高速增长赛道
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