美团大模型安全策略专家
任职要求
1）本科以上学历，5年以上运营经验，有大模型内容安全相关行业、产品运营经历、数据处理分析能力的经验优先； 2）对风险理解较深，对行业保持关注和洞见，能够敏锐的把握政策及风险的动态变…
工作职责
1)负责跟踪大模型风控的趋势，输出政策解读、合规方案和合规策略，面向公司大模型内容提供合规咨询。 2)基于语言类、多模态类大模型风险防控要求，在大模型内生安全、外置防御、安全测评方面，设计风控策略并推动落地，确保安全与体验的平衡。 3)根据大模型AIGC内容安全管控要求和范围，结合业务特性进行风险评估，设计出适配业务发展需要的内容安全解决方案并推动落地。 4)通过数据分析、评测效果反馈，不断优化安全管控策略，提高大模型安全机审和人审防护质量。 5)与业务、法律、内容安全、GA等团队协作，确保大模型产品符合相关法律法规要求。 6)风险发生时快速应，协同产品技术团队，推动安全问题解决。
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。
-数据库质量保证策略设计 -基于数据库内核架构（如事务引擎、存储管理、并发控制等），设计覆盖功能、性能、稳定性、安全性和灾难恢复的综合性测试策略 -针对极端场景（如硬件故障、网络分区、超大规模数据压力）和大事务/高并发场景，构建破坏性测试和压力测试模型 -测试用例开发 -编写自动化测试脚本（如Python/Perl/Shell/C++），覆盖SQL语法、事务隔离级别、锁机制、备份恢复等核心功能 -自动化测试工具以及测试用例管理平台的开发和管理工作。 使用各种测试工具和技术，自动化测试，记录和分析测试结果，并跟踪和验证缺陷 -编写测试报告和文档： 清晰准确地记录测试过程、结果和分析，编写测试报告和相关文档 -设计复杂场景测试用例，例如：极端压力测试：模拟百万级并发事务、TB级数据量下的系统稳定性；破坏性测试：强制断电、磁盘I/O错误注入、内存溢出等异常场景；边界条件测试：验证索引深度、页分裂、日志写满等临界值场景 -性能分析与调优 -使用工具（如sysbench、tpcc、tpch、自定义基准测试）分析查询执行计划、锁竞争、I/O瓶颈 -结合内核日志（如InnoDB redo log、PostgreSQL WAL）定位性能问题，推动优化方案落地 -缺陷管理与协作 -搭建测试环境（含多节点集群、混合负载），复现并跟踪内核级Bug（如死锁、数据不一致） -与开发团队紧密合作，提供Root Cause Analysis（RCA）支持，参与代码审查，提供测试反馈，协助开发人员定位和修复问题，推动内核代码修复 -技术预研与创新 -探索新技术（如向量化查询、持久内存、分布式事务）的测试方法 -开发定制化测试工具（如混沌工程平台、自动化故障注入系统）
蚂蚁国际ASAP技术部正在寻找有激情并且具有创新能力的算法工程师，通过使用AI技术，推动蚂蚁国际化业务的发展。蚂蚁是一家AI驱动的公司，国际化是蚂蚁当前的重点方向，在这个职位上，你有机会接触到互联网金融、人工智能、国际化这3个当前最热门领域。 1.基于跨境支付、跨境游、境外合作钱包等国际业务场景及特点，设计搜索、推荐及营销引流等算法模型及策略，提升用户体验和转化效果，帮助用户增长及商家成长。 2.全面了解蚂蚁国际业务发展，提供基于机器学习、深度学习、联邦学习、大模型、运筹优化等算法方案解决复杂的实际业务问题。
1. 具备较高的政策和风险的敏感度，对账号、交易、营销活动、内容、欺诈等业务风险进行分析和评估，构建全面的、准确的云上业务安全风险治理的策略体系； 2. 基于业务理解进行数据分析，探索风险特征，设计并产出风险策略、风控算法模型，并持续优化与迭代策略与模型的预测效果； 3. 沉淀分析思路与策略方法，提炼产品需求，与相关团队（如技术开发团队）协作并推动自动化策略的落地，能力的升级； 4. 主动挖掘违规案件线索，通过数据分析梳理、摸排线索间的关系，打击黑灰产业链，解决业务痛点。