阿里巴巴集团安全部-算法工程师-风险数据
任职要求
1、具备 Agent 开发实践经验，有复杂任务、长程任务或多阶段工作流开发经验。 2、熟悉 Python、Java 或 Java…
工作职责
1、面向风险数据与安全业务场景，参与风险数据采集场景下的 Agent 架构设计与开发，包括上下文管理、记忆机制、任务规划、工具调用等能力建设。 2、联动工程与算法团队，基于 Harness Engineering 构建 Agent，解决风险数据生产、加工与分析过程中的复杂任务问题，从海量数据中快速、准确地获取业务关注的高质量风险数据。 3、建立评测集、效果指标和 badcase 迭代机制，持续、稳定地优化任务效果与数据质量。
1. 围绕海量舆情信息、参与全面风险管理技术部 高并发场下的 Agent架构设计与开发 （包括上下文、记忆、规划、工具调用等） 2. 聚焦Skill层执行效果优化，通过对LLM调用链路、提示词与工具返回结果的调优，提升风险识别准确性与响应速度，使Agent在真实风控场景下的处置效率可被持续度量与改进 3.联动工程与算法团队，基于Harness Engineering构建风控Agent的效果稳定性保障机制，探索通过Vibe Coding等方式快速进行实验与迭代，逐步形成风控领域AI-Native开发范式。
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. 参与面向网络安全领域的垂直大模型交付工作，包括基于大模型做流程设计、agent优化和模型安全能力提升； 2. 负责对接阿里内部各个业务线的网络安全需求，包括情报安全、流量安全、数据安全等不同场景，构建高质量业务数据，优化交付流程； 3. 开展大模型全流程训练工作，包括预训练、CPT、SFT、GRPO及安全工具结合的Agentic RL； 4. 针对经典且依赖安全专家经验的的安全任务（如漏洞检测、流量情报分析、代码生成等）优化模型能力，提升其在真实攻防场景中的模型性能与鲁棒性； 5. 探索大模型在代码安全、漏洞挖掘、逆向工程等方向的应用，并推动技术成果落地与学术发表。
1. 参与面向网络安全领域的垂直大模型交付工作，包括基于大模型做流程设计、agent优化和模型安全能力提升； 2. 负责对接阿里内部各个业务线的网络安全需求，包括情报安全、流量安全、数据安全等不同场景，构建高质量业务数据，优化交付流程； 3. 开展大模型全流程训练工作，包括预训练、CPT、SFT、GRPO及安全工具结合的Agentic RL； 4. 针对经典且依赖安全专家经验的的安全任务（如漏洞检测、流量情报分析、代码生成等）优化模型能力，提升其在真实攻防场景中的模型性能与鲁棒性； 5. 探索大模型在代码安全、漏洞挖掘、逆向工程等方向的应用，并推动技术成果落地与学术发表。