蚂蚁金服【蚂蚁星】终端攻防对抗工程师
任职要求
1. 深入理解Android/iOS/鸿蒙/Linux等一种或多种平台系统安全机制的运行原理，熟悉常见的对抗技术； 2. 具备安全业务思维，能够基于应用或者系统对抗技术设计安全防护方案； 3. 具备优秀的分析问题和解决问题的能力，对新技术能持续保持好奇心； 4. 加分项：Black Hat顶会移动安全议题演讲；CTF竞赛核心成员（DEFCON CTF全球决赛前三战队）；主导移动安全开源项目（GitHub stars≥500/被OWASP Mobile Top 10收录）；获得移动安全相关发明专利授权（需体现ARM架构/TEE/移动恶意软件检测等关键技术）；结合AI技术进行攻防对抗研究。
工作职责
在数字经济浪潮中，蚂蚁终端安全团队始终站在攻防对抗的最前线，直面黑灰产技术挑战，深耕金融级复杂业务场景，构建了业界领先的端边云一体化智能风控体系。我们是蚂蚁集团大安全生态的尖刀部队，依托动态对抗、智能协同与可信计算三大核心能力，将安全防线从云端延伸至终端硬件底层，守护亿级用户的账户与资金安全。面向智能化时代，期待你的到来，用代码构筑数字世界的铜墙铁壁，以技术创新重新定义安全的边界，探索基于大模型驱动的智能化攻防对抗系统研发。如果你渴望在真实攻防中锤炼技术，在生态级项目中见证影响力，这里将是你职业生涯的高光起点。 1.系统级攻防技术突破，深度研究Android/iOS/HarmonyOS内核安全机制，构建面向智能终端的新型攻击面矩阵，涵盖硬件层、系统层、应用层三维攻防体系，持续跟进业界最新系统上的安全机制，并探索攻击和加固手段； 2.攻防能力业务化落地，具备安全业务思维，能将攻防研究的成果能转化为业务结果，帮助提升终端的整体防护水位； 3.智能化对抗系统建设，搭建大模型驱动的智能化攻防对抗平台，实现风险智能化感知、智能分析、策略持续优化的正向循环的对抗新体系。
蚂蚁集团核心风控团队大安全工程效率与品质保障团队，我们运用先进的技术和严格流程全面保障大安全业务如资金风控、内容安全、终端安全、反洗钱、基础安全等高品质高效率运转。目前团队聚焦大模型安全评测与对抗攻防核心技术，构建多维度评测体系，研发对抗框架与评测基准支持安全领域大模型发展。团队凭借亿级用户场景的实战积淀，正在大模型安全领域开拓创新。 1.设计并实施大模型多维度评测方案，覆盖功能、安全、性能等方向； 2.构建基准测试集和多维度的量化评估指标，针对安全领域设计领域专项测评方案，评估模型的领域适应性和实用性； 3.通过对抗性测试深入分析模型能力瓶颈，并提供可解释的测评报告，推动模型迭代优化。
我们负责蚂蚁集团内基础人工智能技术的研发与创新，致力于通用人工智能的实现。研究范围涵盖广泛，不仅包括语言大模型、多模态大模型等前沿的大模型技术，也深耕优化算法、知识图谱等基础AI方向。我们自主研发并开源了百灵大模型系列，旨在打造更高效、更通用的AI技术底座。我们积极推动开放协作的AI生态建设，通过技术共享、产学研合作等方式，促进人工智能技术的普惠发展，推动AI技术在各行各业的深度应用。 1. 负责研发大语言模型预训练技术，如高效的新型llm模型架构、长窗口训练技术、pretrain scaling law、高效预训练策略等。 2. 负责研发基于强化学习的推理模型，如大规模强化学习、新型RL算法、testing time scaling等。
作为蚂蚁集团的核心大模型部门，我们专注大语言模型的技术攻坚与创新突破，致力于推动通用人工智能（AGI）技术的实质性进展。团队聚焦LLM后训练方向，包括模型对齐、高阶推理、安全可控等，持续完善智能系统的认知深度与可靠性。目前部门拥有数万张显卡资源，并且仍在持续加大投入，为探索模型能力边界提供坚实的保障。在追求AGI的道路上，我们始终秉持蚂蚁集团的技术务实基因，通过扎实的底层创新推动智能技术的产业落地。 1. 研发万亿参数LLM基模架构：大语言模型（LLM）后训练（post-train）全流程优化，设计高效分布式训练方案，进行十万亿token级别的超大规模训练，包括但不限于通用能力提升、安全对齐等方向； 2. 奥赛级别的LLM各项能力建设，迈向真正的AGI：前沿的高效强化学习算法设计，实现并应用SFT/RLHF/DPO/PPO/GRPO等算法，研发训推一体的大规模强化学习训练框架，探索多目标奖励模型、过程监督等前沿技术，提升模型在指令遵循、逻辑推理、多任务泛化等方面的性能； 3. 扩大工业与学术影响力：开源LLM模型及核心技术，发表顶会论文，贡献核心开源项目。
团队主要负责蚂蚁集团大语言模型的语料优化，涵盖数据扩源、数据质量提升、合成语料、数据利用方式优化、数学/代码/推理/对话能力提升等多个方向。我们致力于通过数据驱动的方式打造业界一流的语言基座模型。 1. 负责大语言模型各阶段训练语料的优化工作，包括预训练、后训练、强化学习训练阶段，具体的工作包括体系化地扩展各类型的数据、定义并迭代优化数据质量、建设高效的合成语料技术、优化高质量数据筛选策略、优化数据配比及训练策略等； 2. 负责端到端地优化基座模型的各项关键能力，包括数学、代码、推理、对话等能力，具体工作包括扩展各能力相关的语料、定义并迭代优化数据质量、针对性地合成相关语料、优化高质量数据筛选策略、优化各阶段数据配比及训练策略、优化评测方式等； 3. 负责研发语料优化相关的基础设施，包括研发高效的数据处理算子及链路、构建数据标签体系及标注模型、探索数据与模型效果的关系、设计数据效果评估机制等； 4. 跟踪和研究大模型领域的前沿技术方向，包括但不限于语料优化、预训练和后训练算法、知识增强、数据合成等，推动技术创新并应用到基座模型训练中。