爱奇艺Java开发实习生（风控方向）

阿里云持续推进AI 技术深化战略布局， 围绕AI 和云计算的基础设施建设、AI基础模型平台、企业级AI应用方向构建核心场景。为此，我们正积极招募优秀人才： 从Web安全到底层系统安全； 从客户端安全到无线产品安全； 从IoT安全到工业互联网安全； 从安全规范制定到实时应急响应； 从媒体安全到数字取证、数字确权； 一切的努力都是为了更安全！ 从底层驱动到人机验证； 从网络编程到数据加密； 从大数据到风控服务； 我们需要的是全栈的技术人！ 从反爬虫到隐私保护； 从反作弊到保障公平正义； 我们需要一颗侠义的勇于突破的心！

研究领域： 人工智能 项目简介： 随着黑产技术的不断演进和变化，传统的资金风控模型每隔一段时间都会面临着显著的性能衰退问题。具体而言：首先，黑产不断尝试新的攻击手段；其次，基于固定时间窗口的数据训练模型容易受到数据分布漂移的影响，导致模型效果随时间推移而下降。同时，使用最新数据进行模型迭代训练时，新模型会忘记老的知识，使得在某些情况下新模型的表现可能不如旧模型，需要在迭代过程中保留对历史风险模式的记忆。因此，如何构建一个能够持续学习，适应风险攻防形势，同时保持对历史风险记忆的风控模型，成为了当前亟待解决的问题。 同时，近期基础大模型能力的不断提升，也给资金风控智能化带来新的机会。除了传统的基于结构化数据的建模可用于线上实时风险识别之外，大语言模型也可以消费更多非结构化数据信息并进行逻辑分析与推理，可以与传统的分类模型互为补充，大幅提升现有风险防控水平。 本项目分两个方向：（1）方向一：将聚焦于持续学习、迁移学习、样本曝光偏差处理、Tabular 数据建模等关键技术方向，预期开发出一种风控模型的自适应学习方案。该方案使得风控模型可以能够在面对不断变化的风险环境时，通过迭代保持高性能和高稳定性，避免性能衰退，更准确地识别和应对新兴的欺诈、赌博、洗钱和盗用等风险行为，减少误报率，提高用户体验，从而提升整体风控识别水平和管控效率；（2）方向二：将聚焦强化学习、监督微调等大模型后训练技术，不断提升大模型在资金风控领域的分析、推理能力，预期开发出一套模型微调方案，能够将风控知识高效注入到大模型当中，最终用于资金风险案例分析与防控。

ByteIntern：面向2026届毕业生（2025年9月-2026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：风控研发团队致力于解决各个产品（包括抖音、头条等）面临的各种黑灰产对抗问题，涵盖内容、交易、流量、账号等多个方面的风险治理领域。利用机器学习、多模态、大模型等技术对用户行为、内容进行理解从而识别潜在的风险和问题。不断深入理解业务和用户行为，进行模型和算法创新，打造业界领先的风控算法体系。 1、负责策略引擎系统的设计与实现，支持字节跳动各产品线（抖音短视频、电商、直播、生活服务、用户增长等）的风控需求； 2、负责高性能、高并发、低延迟的后台系统持续优化和演进； 3、负责风控方向算法工程化的系统&平台建设，为算法提供坚实的工程基础； 4、面向超大规模数据问题，每天处理千亿增量的用户数据； 5、设计和实现高并发关键数据服务，用数据衡量产品并驱动产品演进； 6、负责风控场景大模型的基础设施建设和应用落地。

ByteIntern：面向2026届毕业生（2025年9月-2026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：风控研发团队致力于解决各个产品（包括抖音、头条等）面临的各种黑灰产对抗问题，涵盖内容、交易、流量、账号等多个方面的风险治理领域。利用机器学习、多模态、大模型等技术对用户行为、内容进行理解从而识别潜在的风险和问题。不断深入理解业务和用户行为，进行模型和算法创新，打造业界领先的风控算法体系。 1、负责策略引擎系统的设计与实现，支持字节跳动各产品线（抖音短视频、电商、直播、生活服务、用户增长等）的风控需求； 2、负责高性能、高并发、低延迟的后台系统持续优化和演进； 3、负责风控方向算法工程化的系统&平台建设，为算法提供坚实的工程基础； 4、面向超大规模数据问题，每天处理千亿增量的用户数据； 5、设计和实现高并发关键数据服务，用数据衡量产品并驱动产品演进。