美团算法实习生—流量安全方向

Bravo 102是由阿里国际技术全团队共同发起的全球顶尖技术人才孵化计划，打破传统人才选拔及培养框架，为有志于走向AI未来的技术新锐们，提供“你行你上+我要我来”的双向奔赴式的实习机会选择。 在这里，“我”将不被岗位定义，以能力选择业务战场，与全球顶尖团队并肩作战，沉浸式体验全球多元化业务战场与亿级流量高并发系统。 加入我们，成为AIDC首批102位Bravo Talent，一起掌舵AI，为我们的未来Bravo！ 关于我们： 阿里巴巴国际技术专注于提供卓越的数字零售技术服务，以支持阿里巴巴旗下多个国际化电商平台。我们致力于将最前沿的人工智能技术与国际化电商业务问题深度结合，为全球消费者打造更方便快捷更智能化的购物体验，同时帮助广大商家实现更高效的经营。 我们的技术领域覆盖搜索推荐广告技术、用增技术、供应链技术、机器学习、自然语言处理、计算机视觉、大模型技术、风控、金融服务等诸多方向，实习生有机会参与多算法团队轮岗，深度参与前瞻性技术攻坚，探索兴趣赛道并锚定职业发展方向； 欢迎加入我们一起打造最先进的数字化及人工智能技术以驱动全球电商业务发展。 以下工作内容你均有可能参与： 1、参与并负责搜索、推荐算法研发，提升全球30+种语言的搜索精准性和国家差异化个性化推荐体验。 2、参与并负责广告算法研发，提升全域流量广告流量变现效率，通过竞价及投放优化、素材生成等提升商家投放效率。 3、参与并负责用增算法的研发，提升电商获客效率，建设优化个性化外投广告、个性化触达消息、个性化权益补贴等算法能力。 4、参与并负责供应链算法和定价算法的研发，优化库存周转和订单履约的效率和损益，提升销量预测、时效预测和定价算法的准确性，进而实现零售经营的降本增效。 5、参与研发生成式 AI、AI Agent 等前沿技术，推动生成式AI在国际电商领域的创新应用。 6、参与风控算法的研发，理解和识别跨国别差异化的商品合规、账户安全、交易安全和反欺诈、营销反作弊等多个领域的潜在风险，并持续优化，维护平台的健康生态。

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： 我们用代码守护阿里云的业务稳定性，用平台能力降本提效。 我们设计并开发端到端的解决方案，包括网站加速、持续交付、容量管理、弹性伸缩、监控快恢、流量调度、性能优化等。 我们希望你，喜欢折腾操作系统、命令行、各端新技术； 我们希望你，鄙视重复，鄙视救火式的解决问题，以自动化为荣，以建设和实现真正的AI运维为追求； 我们希望你能站在全站的的高度，借助最前沿的运维技术和理念，通过工具创新、升级架构和方法，努力提升全站的稳定性及运维可靠性； 我们希望你能够站在用户的角度，不断完善产品的用户体验，影响到我们亿万的用户和消费者，让他们受益。

负责安全技术研发，包括但不限于以下方向： 1. 承接安全及云产品的安全能力建设需求，设计、开发高性能、高可用、安全的系统及工具； 2. 流量安全分析，面向阿里云海量网络流量构建灵敏、高效的流量数据分析和入侵检测系统，能够第一时间识别和防御恶意网络攻击，为阿里云平台与用户筑起强大防线； 3. 主机安全防护，设计并实现高可用的主机恶意行为检测与安全防御系统，能够在百万量级的海量主机上稳定运行，在不影响应用正常运行的前提下精准发现与拦截恶意攻击行为； 4. 零信任身份认证与访问控制，在大规模生产网络中建立稳定、安全的零信任体系，做到持续验证、最小权限，让攻击者难以入侵渗透，保证阿里云的高安全水位； 5. AI安全，针对AI技术在迅速发展中伴随产生的安全问题，设计AI原生的安全防护系统与解决方案，同时也探索AI技术与安全平台的结合，实现全链路智能化的安全运营流程。

团队介绍：TikTok是一个覆盖150个国家和地区的国际短视频平台，我们希望通过TikTok发现真实、有趣的瞬间，让生活更美好。TikTok 在全球各地设有办公室，全球总部位于洛杉矶和新加坡，办公地点还包括纽约、伦敦、都柏林、巴黎、柏林、迪拜、雅加达、首尔和东京等多个城市。 TikTok研发团队，旨在实现TikTok业务的研发工作，搭建及维护业界领先的产品。加入我们，你能接触到包括用户增长、社交、直播、电商C端、内容创造、内容消费等核心业务场景，支持产品在全球赛道上高速发展；也能接触到包括服务架构、基础技术等方向上的技术挑战，保障业务持续高质量、高效率、且安全地为用户服务；同时还能为不同业务场景提供全面的技术解决方案，优化各项产品指标及用户体验。 在这里， 有大牛带队与大家一同不断探索前沿， 突破想象空间。 在这里，你的每一行代码都将服务亿万用户。在这里，团队专业且纯粹，合作氛围平等且轻松。目前在北京，上海，杭州、广州、深圳分别开放多个岗位机会。 课题介绍：TikTok作为全球领先的短视频平台，面临新用户数据稀疏导致的个性化推荐不足、直播推荐时效性要求高、用户兴趣多样性维护困难以及电商推荐系统链路复杂等多重挑战。传统推荐方法依赖历史行为建模，难以解决新用户冷启动问题，且直播推荐需在极短窗口期内（通常30分钟内）实时捕捉内容动态变化（如主播互动、流量波动），这对系统的实时感知与快速决策能力提出更高要求。此外，单列沉浸式场景放大了多样性问题，需平衡多峰兴趣学习与探索引发的内容穿越风险。当前电商推荐系统采用多阶段漏斗架构（召回-排序-混排），存在链路不一致、维护成本高、过度依赖短期价值预测等问题，导致用户易陷入内容同质化疲劳。 针对上述痛点，项目提出结合大语言模型（LLM）和大模型技术实现突破：一方面利用LLM的海量知识储备与Few-shot推理能力，通过注册信息与外部知识推理新用户潜在意图，缓解冷启动问题；另一方面，在社交偏好建模中融合GNN与用户全生命周期行为序列，提升兴趣预测精准度。同时，探索大模型的泛化能力、长上下文感知及端到端建模优势，简化电商推荐链路，增强实时动态适应性与兴趣探索能力，最终实现系统更简洁、推荐更精准、用户体验与留存双提升的目标，推动业务可持续增长。 1、负责TikTok的推荐算法工作，包括但不限于：视频推荐、内容理解、因果推断、智能增长等，为用户提供领先的产品体验； 2、结合机器学习技术和业务场景需求，运用包括强化学习、Graph Embedding、大模型、大规模计算等在内的前沿建模技能，解决业务痛点，提升线上效果； 3、与产品及运营团队紧密合作，对用户的行为进行深入理解和分析，制定合理高效的策略逻辑，促进生态的健康发展； 4、参与算法团队的基建工作，提升资源利用率、增强效果稳定性、优化开发流程等，持续提高团队成员的工作效率。