字节跳动智能审核算法Leader-国际电商
任职要求
1、计算机科学或相关领域的本科及以上学历，硕士/博士优先； 2、扎实的编程能力和深厚的数据结构、算法基础：精通NLP、计算机视觉（CV）和多模态中的1-2个领域，具备大规模模型训练或强化学习（RL）算法的实际应用经验； 3、熟悉大模型的基座建设、指令微调、偏好对齐、CoT、RAG等技术，能够解决长文本、少样本、违规素材提示、政策推荐等审核应用问题； 4、熟悉大模型模型的工具调用、API 交互能力，通过构建agent、multi-agent解决复杂问题； 5、有5年以上相关领域的工作经验，具备团队管理和项目领导经验； 6、有大模型实际落地经验，有在内容安全和电商领域经验者优先； 7、对前沿技术有敏锐的洞察力，能够将新技术迅速应用于实际业务中，推动审核系统的技术创新和优先； 8、优秀的团队合作精神和领导能力，具备出色的沟通技巧，能够有效带领团队探索和实施新技术。
工作职责
团队介绍：平台治理国际电商算法团队，专注于与业务方产品和运营团队协作，对国际电商平台进行全面的生态和风险治理，涵盖商家与商品、创作者与内容两大方向。我们的目标是通过打击底线风险问题和优化健康电商生态，实现平台的可持续发展。智能审核作为平台治理算法团队的一个重要子方向，主要与审核产品和审核运营团队合作，致力于打造业内最先进的智能审核系统。工作内容包括优化审核模型算法、审核素材及提示，以及优化审核平台的人员排班调度和任务分配，实现审核质量和效率的持续提升。 1、领导智能审核算法团队，制定技术发展方向和策略； 2、通过优化审核模型算法，探索基于大模型和多模态模型的审核系统，提高模型自动审核覆盖比例； 3、优化审核平台的人员排班调度、任务分配、素材组织和提示，提高审核质量和效率； 4、与审核产品和运营团队紧密合作，确保审核系统的稳定性和高效性，推动审核质量和效率的持续提升； 5、关注业内最新技术动态，推动新技术在智能审核系统中的应用和落地。
团队介绍：Data-电商-平台治理算法团队，通过优化算法和业务产运配合，对字节旗下电商产品进行全方位的质量和生态治理。既包括风险、违规和低质问题的打击，也包括健康电商生态的建设和优化，最大程度优化平台治理的效果，同时提升治理的效率。 1、深入理解电商治理业务，通过优化算法，持续提升商家/商品/视频/直播/IPR准入召回等各个业务场景的人审提效和用户体验，建立「知道拒绝并且知道为何拒绝」的业内最先进的智能审核系统； 2、负责NLP/CV/多模态等内容理解工作的探索，建立热力图模型、关键帧抽取模型、文本违规高亮模型等，助力于快速审核违规素材； 3、负责优化政策推荐模型，在保证准召的前提下，助力审核人员快速标注违规政策； 4、负责强化学习和运筹算法在智能派单和智能排班等方面的的探索； 5、探索多模态模型在智能审核方面的应用。
1、 负责智能审核算法，通过行为、文本、图片等数据特征挖掘与应用，提升审核平台的效率和准确性； 2、负责包裹特征挖掘算法，基于NLP、OCR、多模态等技术，持续提升基础信息覆盖率与准确性； 3、持续探索大模型、NLP技术在商家经营场景中的的智能化应用方案及落地。
团队介绍：Data-电商-平台治理算法团队，通过优化算法，和业务产运配合，对字节跳动旗下电商产品进行全方位的质量和生态治理，既包括风险、违规和低质问题的打击，也包括健康电商生态的建设和优化，最大程度优化平台治理的效果，同时提升治理的效率。 职位描述： 1、深入理解电商治理业务，通过优化算法，持续提升商家/商品/视频/直播/IPR治理等各个场景的人审提效和用户体验，探索基于大模型、多模态模型建立「知道拒绝并且知道为何拒绝 」的业内最先进的智能审核系统； 2、负责大模型、多模态在电商域的数据建设、基座增强、指令微调、偏好对齐、CoT和PEFT等工作，面向电商域做极致效果优化； 3、负责大模型、多模态模型解决长文本、长时序、少样本、违规素材提示、policy推荐等审核应用问题； 4、研发电商NLP大模型、电商图文或者视频多模态大模型，面向电商场景，持续优化多语言多场景多任务多模态的算法效果。
团队介绍：商业信任与安全算法团队，聚焦于通过人工智能技术（包括但不限于NLP/CV/多模态/图/大模型）识别和治理问题广告内容和问题广告主，助力降低虚假宣传、不良暗示等内容发生概率，提升广告质量。该方向也是行业共同关注、长期研究的方向，在这里你可以基于平台能力及内容，深耕算法优化，为商业化各业务提供安全解决方案。 课题介绍：智能审核业务比较复杂，随着审核技术的不断演进，各个领域面临着新的风险问题和对抗形式，这对大模型的应用提出了新的挑战。例如，在审核业务中，涉及审核规则变更、长文本、长时序、多语言、少样本和AIGC生成对抗等问题时，现有的开源大模型表现往往不尽人意。因此，针对这些挑战，我们亟需研发专门针对智能审核的大模型，以提升其在治理中的有效性和适应性。特别的，针对业务特点，我们需要探索高质量的数据自动生成、高效的MOE Embedding、Auto-Prompt生成、高质量 COT输出、大模型知识蒸馏等。此外，该模型应能够满足审核业务的需求，实现高准确率的自主决策和可解释性的COT生成，显著减少误判。针对动态变化的审核规则变更，它能够通过RAG模块自动检索类似的审核案例，将复杂的审核规则变更分解为简单的原子任务，自动拆分出驳回和豁免原子任务，并自动调用相应的Tools来解决这些任务，从而建立“知道拒绝并且知道为何拒绝”的业内领先智能审核系统。最终，大模型智能审核系统的审核效果需要接近或者超过人工审核，往全机审的路线上演进。 1、模态融合能力：提升文本、音频、图像、视频和直播等多模态的细粒度理解能力，实现高准确率的自主决策和可解释性的COT生成； 2、Few-Shot能力：探索多语言、长时序和少样本问题，增强Few-Shot和Zero-Shot能力，针对多变的业务规则具备复杂指令和Auto-Prompt生成能力； 3、攻防对抗能力：研究AIGC图像视频的判别，增强审核大模型对隐晦、抽象的生成式内容的攻防对抗能力； 4、Agent能力：具备调用RAG模块，使用Tools，和Auto-Planning能力；提升大模型的动态推理和反思能力。