主分类：搜索推荐与业务决策算法研发
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "反欺诈算法工程师（AI治理方向）-飞书",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "上海",
"work_mode": "未披露",AI生成
"job_category": "算法"AI生成
},
"company": {
"company_name": "字节跳动",
"company_industry": "互联网 / 数字内容 / 电商",
"company_size": "10000人以上",
"company_website": "bytedance.com",
"company_description": "字节跳动提供内容创作、信息分发、电商和协作产品，旗下产品包括抖音、今日头条、TikTok和飞书。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 2,
"degree": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、构建面向AI Agent时代的反欺诈算法体系，解决从传统账号欺诈到自动化Agent滥用的新型风险问题；\n2、核心风险方向的算法建设，从行为建模与风险识别出发，打通“风险发现—风险研判—策略执行—反馈学习”的闭环链路，持续优化召回、误杀与收益等关键指标，推动反欺诈能力在复杂对抗环境中的持续演进；\n3、在强对抗环境下构建具备泛化能力的欺诈识别模型，应对策略快速演进，设计可扩展的行为表征与关系建模体系（序列/图/表征学习）；\n4、将LLM/AI Agent引入反欺诈链路，在效果、成本与稳定性之间取得平衡，在高召回与低误杀之间进行系统性优化，而非单模型调参；\n5、构建可持续演进的风险识别与决策闭环，实现自动化与自学习能力。",
"requirements_text": "1、本科及以上学历，2年以上算法或风控建模经验，有反欺诈/账号安全经验（行为检测/欺诈识别/团伙挖掘等）；\n2、熟悉机器学习与深度学习建模（分类/序列/表征/图模型等），有完整链路经验：数据分析→特征→模型→上线→效果优化；\n3、有核心模块负责人经验，能独立负责从问题定义到上线效果优化，有线上效果优化经验（召回/误杀/收益等）；\n4、熟练使用Python，具备良好工程能力（Spark/Flink等优先）；\n5、有LLM或AI Agent在风控中的应用经验优先。\n\n加分项\n1、主导过核心风控模型或策略体系建设（而非参与）；\n2、有强对抗场景经验（策略绕过/模型迭代/风险演进）；\n3、有图挖掘/团伙识别/时序建模实际落地经验；\n4、有LLM在风控中的实际效果验证（非Demo）；\n5、有AI Agent（多轮决策/tool use/自动研判等）落地经验。",
"skills": [AI生成
"Python",
"Spark",
"Flink",
"机器学习",
"深度学习",
"数据分析",
"建模"
],
"preferred_qualifications": "4、熟练使用Python，具备良好工程能力（Spark/Flink等优先）；5、有LLM或AI Agent在风控中的应用经验优先；加分项",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7623330520198252853/detail"
}
]
},
"posting": {
"posting_id": "7623330520198252853",
"post_date": "2026-03-31",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7623330520198252853/detail"
},
"fulltext": "反欺诈算法工程师（AI治理方向）-飞书\n职位描述\n1、构建面向AI Agent时代的反欺诈算法体系，解决从传统账号欺诈到自动化Agent滥用的新型风险问题；\n2、核心风险方向的算法建设，从行为建模与风险识别出发，打通“风险发现—风险研判—策略执行—反馈学习”的闭环链路，持续优化召回、误杀与收益等关键指标，推动反欺诈能力在复杂对抗环境中的持续演进；\n3、在强对抗环境下构建具备泛化能力的欺诈识别模型，应对策略快速演进，设计可扩展的行为表征与关系建模体系（序列/图/表征学习）；\n4、将LLM/AI Agent引入反欺诈链路，在效果、成本与稳定性之间取得平衡，在高召回与低误杀之间进行系统性优化，而非单模型调参；\n5、构建可持续演进的风险识别与决策闭环，实现自动化与自学习能力。\n\n职位要求\n1、本科及以上学历，2年以上算法或风控建模经验，有反欺诈/账号安全经验（行为检测/欺诈识别/团伙挖掘等）；\n2、熟悉机器学习与深度学习建模（分类/序列/表征/图模型等），有完整链路经验：数据分析→特征→模型→上线→效果优化；\n3、有核心模块负责人经验，能独立负责从问题定义到上线效果优化，有线上效果优化经验（召回/误杀/收益等）；\n4、熟练使用Python，具备良好工程能力（Spark/Flink等优先）；\n5、有LLM或AI Agent在风控中的应用经验优先。\n\n加分项\n1、主导过核心风控模型或策略体系建设（而非参与）；\n2、有强对抗场景经验（策略绕过/模型迭代/风险演进）；\n3、有图挖掘/团伙识别/时序建模实际落地经验；\n4、有LLM在风控中的实际效果验证（非Demo）；\n5、有AI Agent（多轮决策/tool use/自动研判等）落地经验。\n1、构建面向AI Agent时代的反欺诈算法体系，解决从传统账号欺诈到自动化Agent滥用的新型风险问题；\n2、核心风险方向的算法建设，从行为建模与风险识别出发，打通“风险发现—风险研判—策略执行—反馈学习”的闭环链路，持续优化召回、误杀与收益等关键指标，推动反欺诈能力在复杂对抗环境中的持续演进；\n3、在强对抗环境下构建具备泛化能力的欺诈识别模型，应对策略快速演进，设计可扩展的行为表征与关系建模体系（序列/图/表征学习）；\n4、将LLM/AI Agent引入反欺诈链路，在效果、成本与稳定性之间取得平衡，在高召回与低误杀之间进行系统性优化，而非单模型调参；\n5、构建可持续演进的风险识别与决策闭环，实现自动化与自学习能力。\n1、本科及以上学历，2年以上算法或风控建模经验，有反欺诈/账号安全经验（行为检测/欺诈识别/团伙挖掘等）；\n2、熟悉机器学习与深度学习建模（分类/序列/表征/图模型等），有完整链路经验：数据分析→特征→模型→上线→效果优化；\n3、有核心模块负责人经验，能独立负责从问题定义到上线效果优化，有线上效果优化经验（召回/误杀/收益等）；\n4、熟练使用Python，具备良好工程能力（Spark/Flink等优先）；\n5、有LLM或AI Agent在风控中的应用经验优先。\n\n加分项\n1、主导过核心风控模型或策略体系建设（而非参与）；\n2、有强对抗场景经验（策略绕过/模型迭代/风险演进）；\n3、有图挖掘/团伙识别/时序建模实际落地经验；\n4、有LLM在风控中的实际效果验证（非Demo）；\n5、有AI Agent（多轮决策/tool use/自动研判等）落地经验。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}