资深大模型算法（内容安全&风控）

优缺点分析

角色解读

• 深耕内容安全风控领域，成为大模型安全方向的专家
• 向AI安全架构师或技术负责人发展，带领团队构建安全体系
• 横向拓展至其他AI安全方向，如对抗攻击、隐私保护等
• 将风控业务需求转化为大模型方案，通过Prompt Engineering、RAG等技术持续优化识别效果
• 探索多模态大模型（VLM）在视频内容安全场景的应用，完成模型微调与对齐
• 设计并开发安全Agent，实现自动化风险研判与处置，参与数据集构建和评测体系
• 扎实的NLP/多模态算法基础，精通Transformer、大模型原理
• 熟练SFT、RLHF、RAG、Agent、Prompt工程等实战技术
• 优秀的Python编程和PyTorch框架能力，掌握开源大模型调优（LLaMA、Qwen等）

申请策略

• 关注哔哩哔哩的业务特点，视频内容安全与ACG文化结合，展示对平台的理解
• 在面试中突出解决问题的思路和对安全合规的认知
• 突出大模型相关项目经验，尤其是SFT、RLHF、RAG、Agent的实战案例
• 强调内容安全或风控领域的项目成果，如准确率提升等量化指标
• 展示开源大模型调优经历，如LLaMA、Qwen等，以及多模态方向的经验
• 补充多模态大模型知识，如VLM、CLIP等，提升竞争力
• 学习安全相关技术，如对抗攻击、幻觉检测、安全对齐等
• 熟悉业界风控系统设计，了解自动化处置流程

面试指南

• 使用STAR法则描述项目经验：背景、任务、行动、结果
• 展示系统性思维：从数据、模型、评估、部署全链路阐述方案
• 强调安全意识和合规理解：体现对内容安全政策的关注
• 请简述如何使用Prompt Engineering优化大模型在内容风控场景的效果？
• 描述你曾经做过的SFT或RLHF项目，如何评估微调效果？
• 对于多模态内容安全，你觉得VLM相比纯文本模型有哪些优势和挑战？
• 如何设计一个安全Agent实现自动化风险研判？需要考虑哪些因素？
• 你对大模型幻觉检测和对抗防御有哪些了解？