中国通号
安全技术研发工程师（实习）(J10472)
安全技术研发工程师（实习）(J10472)
发布于 大约 7 小时前实习/见习
北京市
无经验要求
实习生
仅现场办公
学历未注明
研究与开发 (研发)
PyTorch
安全风险评估
形式化验证
vLLM
多模态大模型
ollama
智能体
偏见
大模型幻觉
AI 估算 · 4k–6k
实习岗位，北京地区AI安全方向，薪资处于市场中等水平。
职位详情
关于这个职位
作为安全技术研发实习生，你将参与多模态大模型安全风险导向隔离工具的研发，包括数据集构建、算法集成以及安全分析和形式化验证工具的完善
同时需要撰写模型输出可信保障技术报告
这是一个接触前沿AI安全领域、积累实际项目经验的绝佳机会，适合对AI安全感兴趣的在校学生
最低要求
研究方向为人工智能及其安全，具备相关项目或论文成果者优先
熟练掌握Python语言和PyTorch框架，并熟悉Ollama、vLLM等大模型推理引擎
掌握常见的针对大语言模型的安全风险评估与防御方法，对模型幻觉、偏见等问题有深入理解
熟悉智能体开发者优先
工作职责
参与多模态大模型安全风险双向隔离工具研发，完成安全风险评估数据集构建和算法集成
参与LLM赋能的安全分析和形式化验证工具功能完善和部署
参与模型输出可信保障技术研究报告撰写
优先资格
熟悉智能体开发者优先
AI 洞察
优缺点分析
优点
- 接触前沿的多模态大模型安全领域
- 大型央企平台，技术积累深厚
- 实习时间灵活，能积累项目经验
- 安全领域技术迭代快，需要持续学习
- 实习期可能面临较复杂的算法集成任务
- 需要快速上手多种工具和框架
- 适合对AI安全有浓厚兴趣，希望积累实际项目经验的在校学生
缺点 / 挑战
暂无明显挑战项
角色解读
- 向AI安全研究员方向发展
- 可晋升为正式安全工程师
- 积累大模型安全领域的前沿经验
- 参与多模态大模型安全风险隔离工具研发，构建数据集与算法集成
- 协助完善LLM赋能的安全分析和形式化验证工具
- 撰写模型输出可信保障技术报告
- 扎实的Python和PyTorch编程能力
- 熟悉大模型推理引擎如Ollama、vLLM
- 了解大模型安全风险与防御方法
申请策略
- 关注中国通号的业务方向，了解其在轨道交通领域的AI应用
- 突出AI安全相关的项目或论文成果
- 强调Python和PyTorch的使用经验
- 展示对大模型安全风险的理解
- 提前学习Ollama和vLLM的使用
- 复习大模型安全攻击与防御方法
面试指南
- 使用STAR法则描述项目
- 先总结概念再举例说明
- 请介绍你对大语言模型安全风险的理解
- 你使用过哪些大模型推理引擎？
- 如何评估模型输出的可信度？
- 描述一个你用PyTorch完成的项目
- 复习大模型基本知识
- 准备一个完整的项目案例
匹配度报告
64
综合匹配度
央企AI安全实习，前沿技术，薪资一般，发展空间大。
适合人群
适合追求技术成长和行业前沿的求职者。
最强匹配
成长发展匹配
最弱匹配
薪资福利匹配
薪资福利40
成长发展85
工作生活60
使命价值70
薪资福利匹配
40较低
实习岗位薪资中等偏低，但作为央企有一定福利保障，不过JD未明确薪资和福利。
薪资信号未披露（AI估算：4K-6K/月）
成长发展匹配
85较高
前沿技术领域，能接触多模态大模型安全，成长空间大，但未提及晋升路径。
技术前沿前沿/新兴技术
技术栈多模态大模型、安全风险评估、形式化验证、Python、PyTorch、Ollama、vLLM
业务类型ambiguous
工作生活匹配
60中等
仅现场办公，未明确弹性工作或WLB信息，实习时间可能相对灵活。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
70中等
央企背景，安全技术研发对国家安全有贡献，行业前景好，但JD未突出使命。
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