蚂蚁金服蚂蚁国际-AI创新算法专家-Antom
任职要求
必备条件 1，计算机科学、人工智能、机器学习、数据科学或相关专业硕士及以上学历； 2，5年以上算法研发经验，其中至少2年专注于大模型（LLM）或深度学习在实际业务场景中的落地； 3，精通Transformer架构、Prompt Engineering、LoRA/P-Tuning、RLHF等大模型微调与优化技术； 4，精通业界常用的AI Agent架构， 以及RAG、Planning/COT、DM等技术 5，具备多模态大模型的理解，熟悉CLIP、Flamingo、Kosmos等主流多模态模型架构； 6，熟练掌握Python及主流AI框架（PyTorch/TensorFlow），具备大规…
工作职责
为应对日益复杂的金融欺诈手段和动态变化的信用风险环境，我们正在全面推进风险管理智能化升级。现诚邀一位具备前沿AI技术视野与实战能力的 AI创新算法专家 加入我们的核心团队，主导基于大语言模型（LLM）、多模态大模型等新一代人工智能技术的风险链路重构项目。 你将作为AI技术创新的引领者，推动从传统规则驱动向“感知-推理-决策”一体化智能风控体系的演进，构建覆盖贷前、贷中、贷后及支付全链路的下一代智能风控架构，显著提升风险识别精度、响应速度与自动化水平。 主要职责 1，主导AI驱动的风险链路重构项目：设计并落地基于LLM与多模态大模型（文本、图像、音频、行为序列等）的端到端风险识别系统，重构现有反欺诈、信用评估与支付风控流程。 2，构建智能风险理解引擎：利用大模型对非结构化数据（如客户沟通记录、社交信息、交易描述、证件图像、视频认证等）进行深度语义理解与关联分析，挖掘潜在风险信号。 3，开发自适应风险推理框架：结合知识图谱、因果推断与大模型的推理能力，实现对复杂欺诈模式（如团伙欺诈、身份冒用、场景伪装）的自动归因与可解释性输出。 4，探索多模态融合建模：整合文本、图像、生物特征、设备指纹、行为时序等多源异构数据，构建统一表征空间，提升高隐蔽性风险的检出率。 5，推动AI能力产品化与工程落地：与工程、数据平台及业务团队协作，完成模型部署、A/B测试、性能监控与持续迭代，确保在高并发、低延迟场景下的稳定运行。 6，跟踪前沿技术动态：持续关注大模型、Agent智能体、RAG、Prompt Engineering、小样本学习等技术在金融风控中的应用进展，推动技术预研与创新试点。 7，建立AI风控伦理与合规框架：确保模型设计符合数据隐私、公平性与监管要求，规避偏见与滥用风险。
1. 深入了解个人信用评估业务，通过引入或者创新前沿的机器学习算法，解决商业场景中的风险问题 2. 负责芝麻信用商业场景算法模型工作，包括芝麻分模型、信用画像挖掘、风险大模型、AutoML、用户自证验真算法、融合风险的搜推算法等； 3. 参与和探索前沿算法在商业智能风险管理领域的应用和落地，包括但不限于知识图谱，GraphML，多模态识别，AutoML等方向 4. 协同业务及策略团队进行业务问题抽象，推动模型技术在业务场景中的应用，并持续推动优化模型算法及性能。
我们是快手商业化反作弊算法团队，致力于打造极致安全感的广告环境，守护平台与广告主的核心利益。我们依托海量数据，融合AI与大数据技术，持续与黑灰产进行智能化攻防对抗。在这里，你不仅是算法专家，更是广告安全健康的守门人，与业界顶尖工程师共同推进AI驱动的风控创新 你将参与的技术领域包括： - 异常/离群点检测（Anomaly / Outlier Detection） - 半监督 / 无监督学习（Semi-supervised / Unsupervised Learning） - 大规模图挖掘（Large Scale Graph Mining） - 智能体技术（AI Agent） 加入我们，你将亲历： 1、前沿攻防 · 技术探索：深度介入亿级用户行为数据，揭秘广告行业多元作弊手法。以创新的Anomaly Detection、Graph Mining 等模型为“武器”，打造高效精准的反作弊攻防体系，让作弊无所遁形； 2、智能风控 · 体系构建：主导智能化风控指标和监控体系的搭建，实时感知风险动态。通过Data-Driven Decision Making，让算法驱动每一次业务进化； 3、极致算法 · 持续进化：持续打磨算法性能，专注模型精准率、召回率与处理效率的极致提升。攻克高并发、复杂商业场景下的算法稳定性与可靠性难题； 4、行业先锋 · 技术引领：紧跟AI Agent、Graph Mining等前沿技术，探索最前沿的反作弊风控解决方案。持续技术创新，推动公司风控能力领跑行业。
1. 针对蚂蚁国内外信贷金融业务发展需求，结合大模型升级信贷风控模型体系，包括：额价智能决策、评级、画像、价值模型等； 2. 协同业务及政策团队抽象小微金融场景中的关键问题，设计大模型驱动的解决方案，推动大模型在信贷场景的创新应用； 3. 深入理解信货业务模式，结合小模型的决策精准度问题，设计与客户交互的实时信贷决策方案，提升人维度的客户体验； 4. 搭建多源信息风控特征池，利用大模型、深度学习、机器学习等方法解决信贷场景的实际问题； 5. 参与和探索前沿算法在信贷智能风险管理领域的应用和落地，包括但不限于大模型、知识图谱、GraphML、多模态识别、AutoML,、运筹优化等方向。
团队介绍：AML是字节跳动公司的机器学习中台，为抖音/今日头条/西瓜视频等业务提供推荐/广告/CV/语音/NLP的训练和推理系统。为公司内业务部门提供强大的机器学习算力，并在这些业务的问题上研究一些具有通用性和创新性的算法。同时，也通过火山引擎将一些机器学习/推荐系统的核心能力提供给外部企业客户。此外，AML还在AI for Science，科学计算等领域做一些前沿研究。 1、负责字节跳动机器学习训练/推理框架的研究与开发，服务于全公司各个产品； 2、参与机器学习训练/推理框架底层组件的抽象，设计，优化与落地； 3、与全公司算法部门深度合作，为重点项目进行算法与系统的联合优化。