百度策略算法实习生（大模型风控场景应用）（J86293）
任职要求
-计算机相关专业硕士在读研二 -对大模型方向场景化落地有信心和想法 -深入理解大模型原理，并具备一定的工程架构能力 -熟悉机器学习、数据挖掘、数据分析的常用方法，有较深的理论基础和丰富的实践经验 -Python编码能力必须，兼备C++/Go编码能力优先
工作职责
-搭建大模型风控平台、算法，帮助搜索、商业广告、电商交易、运营活动提升风控、反作弊能力和效率 -模型调优，提升大模型不同场景风控、反作弊专业知识能力 -推理调优，提升大模型不同场景风控、反作弊识别推断能力 -知识检索能力构建，基于向量数据库构建风控、反作弊数据高时效检索能力，提升大模型在风控、反作弊场景的判罚效果
【职位描述】 我们是小红书安全风控平台部/算法策略组/内容安全组，目前专注于多模态大模型在多模态理解和内容安全场景的技术落地和产品预研，目前在相关数据&技术方向有一定的积累，并将长期持续投入。我们希望寻求优秀在读硕士生/博士生共同突破大模型在安全审核行业落地的技术挑战，作为实习生，你将有机会与产品、工程紧密合作，将研究算法应用到实际问题中，并解决有难度有价值的问题，促进领域前沿技术的发展。欢迎投递简历。该岗位的核心研究方向包括但不限于： 1. 基础多模态表征：主要研究小红书多模态数据（笔记）下的基础多模态表征工作，包括层次化表征、特征融合、自监督探索等，作为基础模型，支持多样化检索场景。 2. 通用多模态大模型：通用多模态大模型在安全领域理解相关研究，包括高效微调、多模态理解等。建立安全多模态基础模型。
1. 算法设计与优化：根据业务需求，设计并优化推荐、定价、风险控制等策略算法，提升业务决策效率和效果； 2. 数据分析与建模：通过分析海量数据，提取用户行为特征，构建机器学习模型，解决业务场景中的实际问题； 3. 策略调优与迭代：基于线上策略表现，进行模型调优和迭代优化，持续提升算法的精度和效果； 4. 跨部门协作：与产品、运营、工程等团队紧密合作，推动策略在业务中的落地与实现； 5. 模型监控与维护：搭建策略模型的监控体系，确保模型的稳定性和实时性，及时处理模型的偏差与异常； 6. 前沿技术探索：持续关注和研究行业前沿的算法技术，并应用于业务场景。
1. 算法设计与优化：根据业务需求，设计并优化推荐、定价、风险控制等策略算法，提升业务决策效率和效果； 2. 数据分析与建模：通过分析海量数据，提取用户行为特征，构建机器学习模型，解决业务场景中的实际问题； 3. 策略调优与迭代：基于线上策略表现，进行模型调优和迭代优化，持续提升算法的精度和效果； 4. 跨部门协作：与产品、运营、工程等团队紧密合作，推动策略在业务中的落地与实现； 5. 模型监控与维护：搭建策略模型的监控体系，确保模型的稳定性和实时性，及时处理模型的偏差与异常； 6. 前沿技术探索：持续关注和研究行业前沿的算法技术，并应用于业务场景。
1、结合互联网大数据能力和金融业务场景需求 ，构建信用评分、反欺诈等风控模型/策略； 挖掘平台内部和外部数据，构建和完善用户画像体系； 2、参与风控建模全流程，包括但不限于标签定义、特征工程、模型训练、模型评估、调优等； 3、搭建风险监控体系，对资产质量，风险指标进行监控，通过模型/策略对异常指标进行定位分析和解决。