字节跳动大模型应用算法专家-安全与风控

1、构建业界领先的AI for Security大规模解决方案和架构（例如代码分析、漏洞检测、攻击研判、Oncall）； 2、与跨团队业务方紧密协作，推进大模型在安全领域的深度集成； 3、研究当前最好的算法模型和策略（Agent、后训练），并应用到字节跳动内场生产环境和ToB客户中； 4、团队培养和建设，跨团队、跨职能沟通协调，促进团队和合作方共赢。

1、研究模型和技术方案，探索大模型训练在安全领域应用的上限； 2、深入大模型技术栈，结合安全关键问题进行深度产品集成和落地，如代码分析、漏洞检测、自动化攻击研判、Oncall； 3、数据构建/合成/标注/清洗、推理模型/代码模型等后训练（SFT/RL）、框架开发、模型加速与蒸馏等； 4、搭建高效、鲁棒和低成本的模型算法服务，应用到大规模场景； 5、跨团队、跨职能沟通协调，与业务方紧密协作，促进团队和合作方共赢。

我们要寻找一位对数据安全和人工智能充满热情的大模型应用算法工程师加入我们的团队。在这里，你将加入一个充满热情的技术团队，参与构建智能化的数据安全防护体系，利用前沿的机器学习与数据挖掘技术，探索大模型在数据安全领域的深度应用。 具体职责包括但不限于： ● 大模型微调与实战 参与开源大模型的后训练（SFT、RL）与效果调优；针对具体的数据安全场景（如敏感词识别、API 风险检测），优化模型推理效果与性能。 ● 数据处理与工程化 参与高质量训练数据集的构建，编写自动化脚本进行数据清洗、增强与合成（Synthetic Data）；协助解决模型部署中的工程问题，提升服务稳定性。 ● 算法落地与迭代 利用 NLP 技术（如 NER 实体识别、文本分类）解决实际业务中的隐私保护问题；持续跟踪测试最新的 RAG、Agent 技术，并在业务中尝试落地。 ● 前沿技术复现 跟踪学界/业界在 LLM 与安全结合领域的最新论文与技术报告，快速复现并验证其在内部场景的有效性。

1. 流动性算法：综合运用机器学习与运筹优化技术，解决信贷资产预测、资金-资产匹配等关键问题，保障流动性安全与效益最大化； 2. 营销与增长建模：将互联网金融产品的营销、流量分发与用户增长问题抽象为算法问题，通过推荐系统、因果推断、数据挖掘等方法设计并落地算法解决方案； 3. 前沿技术探索：结合信贷与金融市场场景，探索大模型（如AIGC、Agent、LLM for Recommendation）等新技术的可行性与落地路径； 4. 跨团队协作：与产品、数据、风控等团队紧密合作，推动算法模型在真实业务场景中的规模化应用。