蚂蚁金服蚂蚁集团-算法专家（广告反作弊）-平台风险管理
任职要求
1.具有风控反作弊、广告算法等工作经历优先，有机器学习、Graph、NLP、多模态、大模型、Agent、运筹优化等经历者优先； 2.计算机、电子等相关专业背景；具备扎实的机器学习基础和较强的学习能力； 3.熟悉Tensorflow、PyTorch…
工作职责
广告作为支付宝数字化发展中的核心业务，在逐步放开不同场域商业化变现的过程中，吸引了大量广告主、私域媒体主以及代理服务商，但同时其潜在商业价值也引起了大量黑产关注。其中涉及流量作弊、劫持、诱导点击等业务风险，广告风险管理团队需要结合原有支付及主体风控中的能力沉淀，与业务及中台团队紧密合作，针对广告行业特有的业务政策及风险手法设计感知、识别、管控方案，保障广告业务规模健康快速增长。 1.风险感知：充分利用内外部数据源，结合异常感知以及业务逻辑，持续定位灰黑产攻防手法演变，同时形成高效机制完成风险定性； 2.算法建设：负责支付宝广告业务流量作弊的识别与管控相关的算法建设，减少恶意/无效/作弊流量给数据真实性、社区生态、平台流量价值带来的影响，有效地将业务问题转化为算法模型，提供合理的风险解决方案，提升流量价值，减少资金损耗； 3.风控链路搭建：基于历史数据和专家经验，结合数据分析、挖掘，设计针对广告行业风险的事前、事中识别管控链路，对安全能力形成全面评估标准并持续迭代对抗； 4.沟通协同：基于风险认知与业务理解，与业务、产品、中台、研发等不同角色形成有效沟通，推动风险全链路防控及行业标准建立。
1、负责支付宝各场域（广告、短视频、直播、游戏、搜索、公私域等）的流量/营销作弊的感知、识别与管控相关的算法建设，减少恶意/无效/作弊流量给数据真实性、社区生态、平台流量价值带来的影响，保障平台营销资金的安全使用，有效地将业务问题转化为算法模型，提供合理的风险解决方案，提升流量价值，减少资金损耗； 2、与技术、产运配合建设通用高效的人机识别算法，并利用海量的设备和用户行为数据进行建模，对用户风险、质量及转化价值进行预估及分析；持续推进基于图、异常检测、社区检测、多模态算法等相关研究和工具的建设，服务高准可持续迭代的反作弊算法体系； 3、配合业务上下游进行流量质量保障，结合营销、推荐、用增、运筹优化相关算法及大模型、智能体等技术，带来业务效果和效率提升。
1. 行业理解：深入理解小游戏业务生态战略，正确引导安全防控发展方向，能从产品发展趋势中把握业务的新增长点，提升流量价值，推动业务健康长效发展； 2. 风险防控：为小游戏行业的业务风险负责，提供完善的风险解决方案。针对行业特性，建设行业化风险策略能力，系统化推动解决业务发展中的核心风险，如流量作弊、内容安全、营销安全、广告作弊等； 3. 沟通协同：基于风险认知与业务理解，与业务、产研、算法等不同角色形成有效沟通，推动风险全链路防控及行业标准建立。
流量反作弊负责支付宝各场域（渠道增长、搜索推荐、商业化等）的流量作弊的感知、识别与管控，减少无效／作弊流量给数据真实性、社区生态、平台流量价值带来的影响。 1．策略建设：以流量流转为基础，深入业务场景，通过数据挖掘建立相关指标体系以衡量／评估风险水位，制定差异化／精细化的治理策略，保证策略的有效性和适配度，提供合理的风险解决方案，提升流量价值，推动业务健康长效发展； 2．行业理解：深入理解互联网流量作弊生态和各类作弊行为，深入调查黑产变化趋势及行业，正确引导反作弊发展方向，能从产品发展趋势中把握反作弊业务发展的新增长点；持续探索流量质量保障的新模式，结合营销、推荐、用增等方向的新技术（大模型、智能体技术等），带来业务增益和效率提升； 3．沟通协同：基于风险认知与业务理解，与业务、产研、算法等不同角色形成有效沟通，推动风险全链路防控及行业标准建立。
我们是小红书中台大模型 Infra 团队，专注打造领先易用的「AI 大模型全链路基础设施」！团队深耕大模型「数-训-压-推-评」技术闭环，在大模型训练加速、模型压缩、推理优化、部署提效等方向积累了深厚的技术优势，基于 RedAccel 训练引擎、RedSlim 压缩工具、RedServing 推理部署引擎、DirectLLM 大模型 API 服务、QuickSilver 大模型生产部署平台等核心产品，持续赋能社区、商业、交易、安全、数平、研效等多个核心业务，实现 AI 技术高效落地！ 1、参与设计实现支持RLHF/DPO等对齐技术的高效训练框架，优化强化学习阶段的Rollout、Reward Model集成、多阶段训练 Pipline； 2、研发支持多机多卡 RL 的分布式训练框架，开发TP/PP/ZeRO-3与RL流程的动态协同机制，解决 RL 算法在超长时序下的显存/通信瓶刭 3、构建端到端后训练工具链，主导框架与 MLOps 平台集成，提供训练可视化、自动超参搜索等生产级能力 4、与公司各算法部门深度合作，参与大语言模型LLM、多模态大模型 MLLM等业务在 SFT/RL领域的算法探索和引擎迭代； 5、参与分析各业务 GPU 利用率与饱和度等指标，结合业务场景持续优化训练框架能力，提升框架领先性。