腾讯安全算法工程师

1.负责分析大语言模型产品的安全风险，探索模型脆弱性并针对具体产品功能提出防御方案； 2.研究和应用NLP、机器学习等技术，采用不同安全识别算法解决不同场景的业务风险，降低有害内容生成概率； 3.跟踪安全大模型领域的前沿技术与行业动态，持续创新安全应用解决方案，保持产品的安全竞争力。

方向一：负责大模型测评工作，包括测试集构建、自动化评测等； 方向二：负责 AI 防火墙的指令攻击识别和内容安全算法设计和代码开发； 方向三：负责互联网业务风控领域的数据挖掘、风控策略挖掘、算法建模工作； 方向四：负责将大数据与算法应用于恶意APP、URL识别和检测等安全策略算法领域的工作。

1.负责智能风控模型研发： a).基于海量业务数据，应用机器学习/深度学习技术（如XGBoost、Transformer、GNN等），设计高精度风控模型，覆盖欺 诈检测、异常行为识别等场景； b).结合专家经验与数据挖掘，提炼强判别性特征，推动模型在实时对抗场景中的高效落地； 2.负责多模态风险识别引擎开发： a).融合文本、语音、图像等多模态数据，构建端到端风险判定模型（如CV目标检测、ASR语音分析、NLP语义理解）； b).探索图神经网络技术在复杂关系网络（如黑产团伙挖掘）中的深度应用，提升风控系统鲁棒性； 3.负责算法效果优化与技术创新： a).主导NLP/CV领域的前沿算法（如大模型Prompt工程、RAG增强检索）在风控场景的适配与效果提升； b).持续迭代模型架构，优化推理效率与资源消耗，应对亿级数据实时处理需求。

【岗位职责】 1.参与网约车中安全分单方向的策略体系构建与优化：运用深度学习、小样本学习、多模态融合技术、数据挖掘等，参与搭建网约车安全方向的策略体系，在确保安全出行的同时提升司乘体验，助力业务快速发展。 2.负责网约车中安全分单算法的迭代：使用如生成对抗网络算法、异常检测算法、图神经网络算法等，完善现有安全算法模型；使用数据清洗和增强、特征工程等方法，提升现有模型的准召。