{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "风控算法工程师-情报算法（杭州/北京）",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "未披露",
        "location": "杭州",
        "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": "",
        "degree": "未披露",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1、利用大模型Agent、CV、NLP、序列建模、图建模等技术，还原互联网风险事件链路（账号安全、交易欺诈、内容安全、营销作弊、爬虫对抗等），挖掘风险行为模式，定位风险主体、作弊链路与关键数据特征；\n2、在全业务场景中，从业务数据（包括内容、行为、交易等）出发，以无监督方式挖掘新的风险模式，刻画大盘的风险分布，对突发风险模式发出预警，为风险事件研判提供线索；\n3、深入理解业务模式、攻防链路与风控产品机制，生产可复用的风控数据并与策略、工程、治理等团队协同，推动风控数据能力在业务场景的深度应用和价值回收，推动风控数据能力的产品化、平台化沉淀；\n4、充分利用Agent框架（如LangGraph、OpenClaw、Hermes、Codex、Claude Code等），打造专用Skills工具集和Agentic RL技术，从巡检、数据收集、调查、复原、价值回收等多个角度提高生产效率；探索Agent自动化和自进化能力，让Agent能够从真实风控数据中学习，持续提升其决策与执行能力。",
        "requirements_text": "1、精通Python编程，具备生产级应用的开发经验，熟悉Linux开发环境，并对数据结构和算法有深入理解；\n2、熟悉常用NLP、CV、序列建模、图建模算法；\n3、熟悉至少一种主流Agent框架，如LangGraph、OpenClaw、Hermes、Codex、Claude Code等，并有实际项目经验；深刻理解大模型（LLM）与AI Agent的核心原理；\n4、具备AI算法背景，对SFT、RLHF等Post-training技术有深入了解，有针对性优化模型能力的实践经验者优先；\n5、具备出色的技术沟通和跨团队协同能力，能够撰写清晰的技术文档、教程和示例代码；\n6、对技术充满热情，具备优秀的分析和解决问题能力，能够主动追踪前沿技术并探索其在业务中的应用。\n\n加分项：\n1、在风控领域有相关算法或研发经验；在强化学习领域有深入研究或实践经验，如Policy-based/Value-based methods、PPO、GRPO等；\n2、熟悉多模态（Multi-modal）推理技术，并有相关项目落地经验；对Agent安全（Safety）、成本优化、性能（QPS/稳定性）有深入思考或实践经验；\n3、在ICML、ICLR、NeurIPS、ACL、CVPR等学术会议上发表过有影响力的研究成果，或在ACM/ICPC、NOI/IOI、Kaggle等竞赛中获奖者；熟悉全球主流大模型服务及API，有设计并落地复杂Agent系统的经验。",
        "skills": [AI生成
            "Python",
            "Linux",
            "强化学习",
            "数据结构",
            "解决问题",
            "建模",
            "大语言模型"
        ],
        "preferred_qualifications": "4、具备AI算法背景，对SFT、RLHF等Post-training技术有深入了解，有针对性优化模型能力的实践经验者优先；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/7646639539558369541/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7646639539558369541",
        "post_date": "2026-06-02",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/experienced/position/7646639539558369541/detail"
    },
    "fulltext": "风控算法工程师-情报算法（杭州/北京）\n职位描述\n1、利用大模型Agent、CV、NLP、序列建模、图建模等技术，还原互联网风险事件链路（账号安全、交易欺诈、内容安全、营销作弊、爬虫对抗等），挖掘风险行为模式，定位风险主体、作弊链路与关键数据特征；\n2、在全业务场景中，从业务数据（包括内容、行为、交易等）出发，以无监督方式挖掘新的风险模式，刻画大盘的风险分布，对突发风险模式发出预警，为风险事件研判提供线索；\n3、深入理解业务模式、攻防链路与风控产品机制，生产可复用的风控数据并与策略、工程、治理等团队协同，推动风控数据能力在业务场景的深度应用和价值回收，推动风控数据能力的产品化、平台化沉淀；\n4、充分利用Agent框架（如LangGraph、OpenClaw、Hermes、Codex、Claude Code等），打造专用Skills工具集和Agentic RL技术，从巡检、数据收集、调查、复原、价值回收等多个角度提高生产效率；探索Agent自动化和自进化能力，让Agent能够从真实风控数据中学习，持续提升其决策与执行能力。\n\n职位要求\n1、精通Python编程，具备生产级应用的开发经验，熟悉Linux开发环境，并对数据结构和算法有深入理解；\n2、熟悉常用NLP、CV、序列建模、图建模算法；\n3、熟悉至少一种主流Agent框架，如LangGraph、OpenClaw、Hermes、Codex、Claude Code等，并有实际项目经验；深刻理解大模型（LLM）与AI Agent的核心原理；\n4、具备AI算法背景，对SFT、RLHF等Post-training技术有深入了解，有针对性优化模型能力的实践经验者优先；\n5、具备出色的技术沟通和跨团队协同能力，能够撰写清晰的技术文档、教程和示例代码；\n6、对技术充满热情，具备优秀的分析和解决问题能力，能够主动追踪前沿技术并探索其在业务中的应用。\n\n加分项：\n1、在风控领域有相关算法或研发经验；在强化学习领域有深入研究或实践经验，如Policy-based/Value-based methods、PPO、GRPO等；\n2、熟悉多模态（Multi-modal）推理技术，并有相关项目落地经验；对Agent安全（Safety）、成本优化、性能（QPS/稳定性）有深入思考或实践经验；\n3、在ICML、ICLR、NeurIPS、ACL、CVPR等学术会议上发表过有影响力的研究成果，或在ACM/ICPC、NOI/IOI、Kaggle等竞赛中获奖者；熟悉全球主流大模型服务及API，有设计并落地复杂Agent系统的经验。\n1、利用大模型Agent、CV、NLP、序列建模、图建模等技术，还原互联网风险事件链路（账号安全、交易欺诈、内容安全、营销作弊、爬虫对抗等），挖掘风险行为模式，定位风险主体、作弊链路与关键数据特征；\n2、在全业务场景中，从业务数据（包括内容、行为、交易等）出发，以无监督方式挖掘新的风险模式，刻画大盘的风险分布，对突发风险模式发出预警，为风险事件研判提供线索；\n3、深入理解业务模式、攻防链路与风控产品机制，生产可复用的风控数据并与策略、工程、治理等团队协同，推动风控数据能力在业务场景的深度应用和价值回收，推动风控数据能力的产品化、平台化沉淀；\n4、充分利用Agent框架（如LangGraph、OpenClaw、Hermes、Codex、Claude Code等），打造专用Skills工具集和Agentic RL技术，从巡检、数据收集、调查、复原、价值回收等多个角度提高生产效率；探索Agent自动化和自进化能力，让Agent能够从真实风控数据中学习，持续提升其决策与执行能力。\n1、精通Python编程，具备生产级应用的开发经验，熟悉Linux开发环境，并对数据结构和算法有深入理解；\n2、熟悉常用NLP、CV、序列建模、图建模算法；\n3、熟悉至少一种主流Agent框架，如LangGraph、OpenClaw、Hermes、Codex、Claude Code等，并有实际项目经验；深刻理解大模型（LLM）与AI Agent的核心原理；\n4、具备AI算法背景，对SFT、RLHF等Post-training技术有深入了解，有针对性优化模型能力的实践经验者优先；\n5、具备出色的技术沟通和跨团队协同能力，能够撰写清晰的技术文档、教程和示例代码；\n6、对技术充满热情，具备优秀的分析和解决问题能力，能够主动追踪前沿技术并探索其在业务中的应用。\n\n加分项：\n1、在风控领域有相关算法或研发经验；在强化学习领域有深入研究或实践经验，如Policy-based/Value-based methods、PPO、GRPO等；\n2、熟悉多模态（Multi-modal）推理技术，并有相关项目落地经验；对Agent安全（Safety）、成本优化、性能（QPS/稳定性）有深入思考或实践经验；\n3、在ICML、ICLR、NeurIPS、ACL、CVPR等学术会议上发表过有影响力的研究成果，或在ACM/ICPC、NOI/IOI、Kaggle等竞赛中获奖者；熟悉全球主流大模型服务及API，有设计并落地复杂Agent系统的经验。",
    "standard_classification": {
        "std_category_code": "T011",
        "std_aux_codes": [
            "T009"
        ],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}