搜狐风控算法实习生

1. 针对游戏内玩家发言内容，构建高精度的广告识别模型，重点识别交易类广告（如账号/道具买卖）和引流类广告（如导流至第三方平台），支撑实时与离线风控策略； 2. 基于NLP技术对玩家文本进行语义理解、关键词挖掘与上下文建模，结合规则与模型融合策略，提升广告识别的准确率与泛化能力； 3. 基于开源大语言模型开展领域适配的微调（fine-tune）工作，结合广告分类场景构建高质量标注数据集，提升模型在垂直领域的判别能力。； 4. 分析误判/漏判案例，持续迭代模型与策略，提升风控系统的鲁棒性与业务适配性； 5. 持续监控模型在真实业务场景中的表现，分析误判/漏判案例，迭代优化策略逻辑与模型结构，提升整体风控覆盖率与精准度。

团队介绍 增长风控算法团队负责小红书用户增长链路中的风险治理，包括投放、归因、承接、Push 等场景。我们通过数据分析、策略和模型，识别并拦截作弊流量、无效设备和异常行为，提升用户增长质量。团队也在探索大模型和 Agent 在风控场景中的应用，比如用大模型辅助分析异常行为、总结风险 case、挖掘策略规则，提升风控分析和策略迭代效率。 岗位职责 1.参与增长风控相关的数据分析和模型建设，识别投放、归因、DAU、Push 等场景中的异常流量和作弊行为； 2.结合设备、用户行为、渠道、画像等数据，协助完成特征分析、样本构建、模型训练和效果评估； 3.探索大模型 / Agent 在风控中的应用，例如异常行为分析、风险 case 总结、策略辅助生成等； 4.参与风控策略的设计、验证和上线评估，通过 A/B 实验或数据分析评估策略效果； 5.跟进大模型、机器学习、异常检测等方向的基础方法，并尝试在实际业务中应用。

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。

ByteIntern：面向2027届毕业生（2026年9月-2027年8月期间毕业），为符合岗位要求的同学提供转正机会。 团队介绍：国际支付，立足于为字节跳动国际化业务提供专业的支付和金融服务，专注于全球支付产品线的质量和效率，确保为国际产品提供高度可靠和稳定的服务，建立国际支付产品和能力，同时在高效助力业务快速拓展的同时，打造行业领先的支付和金融产品能力。团队当前所提供的产品和服务，遍布全球多个国家和地区，团队拥有丰富的国际化产品研发经验；同时这里有全球超大规模的支付网络；覆盖多业务场景的海外钱包及金融产品解决方案；围绕分布式一致性、高并发、高可用、资金安全在内的核心技术能力攻坚；LLM等前沿AI技术在支付&金融服务中的探索、研发和应用。另外，我们在全球设立团队，团队同学背景多元，不同的思维方式，打造了一个多元、碰撞、融合、包容的工作环境。我们邀请你来此成长、专研，发掘无限的潜力，一起应对技术和业务以及跨国合作上的挑战，还有跨文化交流机会在等你！ 1、开发并优化PREA、A、B等信贷PD模型； 2、推动用户行为序列、消费能力、欺诈特征挖掘，推动自有数据、三方数据的特征体系建设； 3、熟悉大模型调优，通过大模型挖掘用户的行为特征，并完成画像体系建设； 4、利用深度学习算法能力，解决跨国家、跨地区的通用模型建设，做到全球视角下的模型开发； 5、研究前沿机器学习算法在领域的实践和应用。