顺丰信息安全运营工程师-AI安全方向-实习生(顺丰科技)
任职要求
1、27届校招生,每周可以实习4-5天,实习周期不少于3个月; 2、本科及以上学历,计算机相关专业; 3、一定的编程基础,熟悉脚本开发。有OpenClaw/Claude/Cursor/OpenCode/LangChain/Dify等vibe coding及智能体工具链的落地使用经验; 4、熟悉web安全相关知识、熟悉SQL注入、文件上传、XSS跨站脚本攻击、CSRF、反序列化等漏洞原理; 5、熟悉常见的…
工作职责
1、负责AI安全治理,识别智能体、大模型、桌面端AI助手等安全风险,并落地有效安全方案; 2、负责建设skills扫描、mcp扫描、智能体检测、护栏等AI安全能力; 3、负责建设基于AI的安全设备运营、漏洞管理等能力,负责智能体、skill、mcp搭建与优化; 4、负责推动特权账号体系治理。
1、 参与AI安全攻防体系构建,协助团队开展针对AI Agent/LLM的红蓝对抗演练; 2、 研究AI系统常见漏洞(如提示词注入、训练数据泄露、越权访问等),并开发相关验证工具; 3、 辅助设计与实现AI Agent安全防护策略,提升系统抗攻击能力; 4、 跟踪前沿AI能力落地思路,建设先进Sec Agent。
日常实习:面向全体在校生,为符合岗位要求的同学提供为期3个月及以上的项目实践机会。 团队介绍:AI数据与安全团队为Seed基座模型及AI原生应用提供跨模态数据服务,覆盖数据生产全流程,包含模型评估标准的制定、数据规模化生产、数据飞轮搭建,不断提升数据质量,支持模型快速迭代。 团队由产品经理、数据工程、数据运营等跨职能人才组成,并通过与Seed研究员、行业专家、全球顶尖数据供应商紧密合作,从真实场景中收集反馈并分析模型表现数据,解决AI前沿突破过程中的复杂数据问题,推动模型性能与用户体验的双重提升。我们既是帮助模型技术迭代的一线贡献者,也是模型和AI产品的一手用户。 1、结合PE与AI Agent架构设计数据自动化策略,产出适配大模型不同训练阶段的高质量视频数据,与业务方、产品、算法团队沟通,参与全、半自动化标注、评测流程的工作; 2、探索VLM,解决图片和视频素材的自动化处理,为视频/图片评测项目做技术手段提效; 3、通过搭建Agent来完成生成、评测、捞取等数据处理任务,对数据标注流程和体系进行全面评估和优化并熟练运用PE提示词工程,定位效率瓶颈并提出优化方案,提升数据生产效率; 4、深入理解多模态业务场景和大模型技术趋势,牵引数据团队和算法、产品团队的深度融合,探索更高效的数据生产方式,为模型训练提供更优质的支撑。
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:AI数据与安全团队为Seed基座模型及AI原生应用提供跨模态数据服务,覆盖数据生产全流程,包含模型评估标准的制定、数据规模化生产、数据飞轮搭建,不断提升数据质量,支持模型快速迭代。 团队由产品经理、数据工程、数据运营等跨职能人才组成,并通过与Seed研究员、行业专家、全球顶尖数据供应商紧密合作,从真实场景中收集反馈并分析模型表现数据,解决AI前沿突破过程中的复杂数据问题,推动模型性能与用户体验的双重提升。我们既是帮助模型技术迭代的一线贡献者,也是模型和AI产品的一手用户。 1、深入理解AI大模型视频通话场景,负责多模态对话、联网、Function Call等方向的数据采集、标注、质检与策略运营工作; 2、与产品研发团队紧密配合,快速沉淀多模态大模型数据理想态和标准,积极为模型后训提供数据策略和建议; 3、针对模型突出问题进行专项攻坚,通过设计PE策略、Workflow工作流等,探索更高效的数据生产方式。
日常实习:面向全体在校生,为符合岗位要求的同学提供为期3个月及以上的项目实践机会。 团队介绍:AI数据与安全团队为Seed基座模型及AI原生应用提供跨模态数据服务,覆盖数据生产全流程,包含模型评估标准的制定、数据规模化生产、数据飞轮搭建,不断提升数据质量,支持模型快速迭代。 团队由产品经理、数据工程、数据运营等跨职能人才组成,并通过与Seed研究员、行业专家、全球顶尖数据供应商紧密合作,从真实场景中收集反馈并分析模型表现数据,解决AI前沿突破过程中的复杂数据问题,推动模型性能与用户体验的双重提升。我们既是帮助模型技术迭代的一线贡献者,也是模型和AI产品的一手用户。 1、这个职位是连接前沿AI技术与深度专业知识的桥梁,你将不再仅仅是知识的创造者,而是整个知识增强项目的核心枢纽,负责管理从需求理解到数据交付的全链路流程,确保大模型在人文社科领域的认知与推理能力得到高效、高质量的提升; 2、与算法、产品团队紧密协作,深入理解大模型在特定领域的能力短板与迭代目标,将模糊的"模型能力提升需求"精准转化为清晰、可执行的数据生产任务与项目目标; 3、负责高质量数据生产项目的全生命周期管理,包括制定项目计划、定义数据标准、监控生产进度与风险,设计并优化数据生产的工作流,探索并落地可规模化、高效率的数据生产模式,确保项目按时、按质、按量交付; 4、建立并执行严格的数据验收标准与质检流程,对产出的结构化资料、评测数据集进行专业评估与验收,对数据质量问题进行归因分析,形成反馈闭环,持续指导和优化数据生产策略,推动数据质量的迭代提升; 5、负责领域专家资源的招募、培训与日常管理,构建并维护高质量的外部专家智库,为专家提供清晰的任务指引和必要的赋能培训,确保他们能够高效、准确地产出符合要求的数据,并对专家工作质量进行评估与管理。