阿里巴巴金融风控分析师
任职要求
1.数学、统计、计算机、金融工程、管理科学等相关专业硕士或以上学历； 2.良好的数据分析能力，熟练使用SQL及至少一种分析工具（Python/R/SAS），能够从海量交易数据中提炼风控策略洞察； 3.较强的风险敏锐度和业务理解能力，能快速理解跨境B2B交…
工作职责
1.负责跨境电商平台信用卡支付链路的风控策略设计与优化，涵盖交易反欺诈、发卡行授权率提升、支付成功率优化等核心场景； 2.平衡欺诈风险防控与支付成功率，设计分地区、分卡种、分金额的差异化风控策略，实现风险-收益最优化； 3.参与建立支付授权率多维度监控体系，覆盖发卡国家、发卡行、卡组织、卡类型、响应码等维度，实时发现异常并驱动策略迭代； 4.关注跨境支付领域新型风险趋势（如加密虚拟卡、预付卡欺诈等），及时识别风险并建立针对性防控方案。
1、核心算法研究与设计：主导金融风控领域RAG-Agent的核心算法研究与创新，包括但不限于检索算法优化、重排序模型设计、大模型上下文增强与生成控制策略。 2、RAG全链路算法优化：研发面向非结构化金融文本的智能切片算法、查询理解与重写模型、多路召回融合策略，重点攻克多阶段排序模型，优化混合检索结果的精准度与相关性；研究与实施大模型在金融风控场景下的高效微调方案、提示工程范式与推理链设计，致力于提升生成内容的准确性、可追溯性与逻辑严谨性；构建领域定量的RAG评估体系，设计自动化评估算法与badcase分析机制，驱动算法闭环迭代。 3、前沿探索与业务赋能：探索Agent规划与决策、多模态信息融合、长上下文建模等前沿方向在风控场景的算法落地，并将核心算法能力转化为业务价值。
1.参与金融风控大模型方案的设计、研发和优化。利用大模型技术，研发融合海量金融风控场景特征+样本+模型知识的通用基座大模型，提升大模型在金融场景的风险识别效果； 2.参与金融风控大模型预训练、后训练与上线部署，提升大模型落地效率和效果； 3.响应客户需求，协助完成大模型风控建模需求，确保模型在不同金融场景中的高效适配； 4.分析和处理大规模金融数据，提取有效特征以支持大模型训练和评估； 5.与团队成员合作，撰写行业标准和技术文档，分享研究成果和最佳实践，持续提升大模型行业影响力； 6.跟踪金融科技、大模型和机器学习领域的最新进展，持续提升大模型性能和创新能力。
-通过与合作方合作，通过数据挖掘、机器学习、深度学习等方法，构建ToB端的信用贷款风控模型 -基于海量互联网行为数据，结合机器学习、深度学习等方法，挖掘金融风控相关特征，提升风控模型效果 -负责信贷风控模型和特征的工程化应用，包括模型推理/监控、特征加工/更新/监控等 -互联网金融、消费金融、小额贷款行业的机器学习、深度学习等领域前沿算法的研究和代码工程化实现
-通过与合作方合作，通过数据挖掘、机器学习、深度学习等方法，构建ToB端的信用贷款风控模型 -基于海量互联网行为数据，结合机器学习、深度学习等方法，挖掘金融风控相关特征，提升风控模型效果 -负责信贷风控模型和特征的工程化应用，包括模型推理/监控、特征加工/更新/监控等 -互联网金融、消费金融、小额贷款行业的机器学习、深度学习等领域前沿算法的研究和代码工程化实现