快手
风控算法工程师（可灵AI专项）
风控算法工程师（可灵AI专项）
发布于 1 天前普通员工/个人贡献者
北京市
中级经验
全职员工
仅现场办公
学历未注明
机器学习
深度学习
PyTorch
计算机视觉
TensorFlow
目标检测
视频理解
内容安全
OCR
风控
AI 估算 · 30k–55k
快手上市大厂，风控算法岗位稀缺，结合北京市场及技能要求，薪资竞争力强。
职位详情
关于这个职位
该职位是快手可灵AI业务的核心风控算法岗，专注于图像、视频等多模态内容的风险识别与治理
你将负责研发视觉理解模型、构建数据体系、优化策略效果，保障产品内容安全与业务稳定运行
适合对CV和风控有热情、追求技术落地的算法工程师
最低要求
热爱技术和算法研究工作，对视觉理解与风险识别问题有持续钻研兴趣，具备强烈的风险意识、安全意识和责任心
具备良好的团队协作精神和使命感，能够适应AI领域快速变化的节奏并持续学习提升
具备扎实的计算机视觉、机器学习和深度学习基础，熟悉图像分类、目标检测、分割、OCR、视频理解、表征学习等常见方法
具备扎实的数据结构、算法、概率统计、数据库、操作系统基础
具备内容安全、视觉风控、违规内容识别、视频审核、图像审核或相关方向项目经验，能够结合业务场景完成样本构建、数据清洗、特征设计、模型训练、离线评估与在线迭代
熟悉至少一种主流算法开发语言，如Python、Java等，熟悉PyTorch、TensorFlow等深度学习框架，具备较强的工程实现能力
能够将视觉算法能力稳定落地到线上系统，兼顾效果收益、推理时延、资源成本、鲁棒性与可维护性
对复杂视觉风险和对抗问题有较强理解，能够围绕误杀、漏放、分布漂移、内容变体绕过、跨模态干扰、模型退化等问题开展分析与优化
在高稳定性、高可用风控链路建设方面有实践经验和方法论沉淀
熟练掌握AI辅助开发的链路，思路开阔，能够快速学习并利用智能化手段提升数据分析、实验验证、模型迭代、代码质量与算法研发效率，并掌握与AI协作共同开发的方法
工作职责
参与可灵业务风控视觉算法方向的核心研发工作
该岗位聚焦可灵核心产品在图像、视频等多模态内容场景下的风险识别与治理能力建设，围绕可灵核心产品（包括面向C端和P端消费者的可灵AI平台https://klingai.com、对应的覆盖多个移动平台的端上应用“可灵AI”，以及面向B端客户的OpenAPI等）开展风控CV算法研发与工程落地，保障业务在快速发展过程中的内容安全、业务安全与稳定运行
岗位职责覆盖风险视觉理解、识别模型研发、数据体系建设、策略协同与线上效果优化，完成风控算法研发任务和交付上线，持续提升风险内容识别的准确率、召回率、实时性、泛化能力与可解释性
主动发现并分析业务中的新型风险、对抗样本、识别盲区与系统瓶颈，并推动能力迭代和治理优化
深入参与需求收集、风险调研与机制设计环节，并抽象为可落地的算法方案、评估体系和系统能力，设计并执行产品特性与风控能力落地
AI 洞察
优缺点分析
优点
- 公司上市且业务增长快，薪资和福利有竞争力，且有较大影响力
- 风控算法领域需求持续增长，积累的经验可跨行业复用，职业前景广阔
- 要求较强的工程能力，需兼顾模型精度与线上性能，对综合能力要求高
缺点 / 挑战
- 身处快手核心AI产品线，接触海量多模态数据，技术挑战大，成长迅速
- 风险对抗激烈，需不断应对新型攻击和绕过方式，工作压力较大
- 需与多个团队紧密协作，沟通和协调成本较高
- 适合对计算机视觉和内容安全充满热情、享受技术前沿挑战、希望在大型互联网平台深耕的算法工程师
角色解读
- 从算法工程师成长为风控领域专家，深入理解多模态内容安全技术
- 可向技术管理方向发展，带领团队负责更广泛的风控体系
- 横向拓展到整个AI安全或大模型安全方向，成为解决前沿问题的技术带头人
- 负责可灵AI产品中图像、视频等多模态内容的风险识别与治理，研发视觉理解模型
- 构建和优化风控数据体系，包括样本收集、清洗、标注和特征工程
- 设计并落地风控策略，与产品、运营协作，持续提升识别准确率和召回率
- 主动发现新型风险和对抗样本，推动算法迭代和系统优化
- 扎实的计算机视觉和深度学习基础，熟悉图像分类、目标检测、OCR、视频理解等常见方法
- 熟练使用Python、PyTorch或TensorFlow，具备工程落地能力，兼顾效果和性能
- 有内容安全、视觉风控或违规识别相关项目经验，理解业务场景与数据闭环
- 能分析并解决误杀、漏放、分布漂移、对抗绕过等复杂问题
申请策略
- 提前了解可灵AI的产品形态和业务场景，面试中可结合产品提出风控思路
- 关注快手的文化和技术博客，了解团队工作方式，展现你的适配性
- 重点突出内容安全或视觉风控相关项目，包括背景、技术方案、模型效果和落地情况
- 详细描述在图像/视频理解、目标检测、OCR等方向的实践经验和成果
- 强调工程能力：你如何将模型稳定上线，并优化延迟和资源成本
- 展示对抗样本分析或风险盲区发现等深度思考的案例
- 系统复习计算机视觉和深度学习经典模型，特别是多模态理解和轻量化部署技术
- 学习风控领域常见对抗攻击与防御方法，关注最新的论文和开源工具
面试指南
- STAR法则：项目背景、任务目标、你的行动（技术细节）、结果量化
- 系统思维：从数据、模型、策略、工程四个维度阐述方案，强调闭环迭代
- 风险意识：展示对新型风险的敏感性和主动优化能力，举例说明
- 请描述你过去参与的一个内容安全或视觉风控项目，包括难点和解决方案
- 如何设计一个可以同时检测图像和视频中违规内容的算法系统？
- 样本不平衡问题在风控中很常见，你会如何构建训练数据和调整模型？
- 针对对抗样本（如添加微小扰动绕过检测），你有什么应对策略？
- 在保证高召回率的同时如何控制误杀率？实际项目中你如何平衡？
匹配度报告
75
综合匹配度
快手上市大厂，前沿风控CV技术岗，薪资优厚但需现场办公，适合追求技术深度的求职者。
适合人群
最适合以技术成长和职业发展为核心动机，能接受较高工作强度，注重社会价值的算法工程师。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利80
成长发展95
工作生活40
使命价值85
薪资福利匹配
80较高
快手上市大厂，薪资水平处于市场高位，但职位描述未明确福利细节，补偿动机满足度较好。
薪资信号未披露（AI估算：30K-55K/月）
成长发展匹配
95较高
涉及前沿的视觉风控和多模态技术，有明确的风险对抗和技术迭代要求，成长空间极大。
技术前沿前沿/新兴技术
技术栈计算机视觉、深度学习、PyTorch、TensorFlow、多模态、对抗样本
业务类型ambiguous
工作生活匹配
40较低
要求现场办公，未提及弹性工作或远程选项，且风控岗位可能面临高强度对抗，WLB一般。
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
85较高
内容安全关系用户和平台安全，具有社会价值，且隶属于快手核心AI产品，使命感较强。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号内容安全、业务安全
创新程度积极采用新技术
快手 的其他在招职位
相似职位推荐
Watch Jobs