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": "阿里妈妈-风控算法工程师-北京",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "淘天集团",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "算法研发"AI生成
},
"company": {
"company_name": "淘天集团",
"company_industry": "电子商务",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "淘天集团的招聘业务覆盖淘宝、天猫等电商平台。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "计算机、数学、统计学、人工智能等相关专业硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 构建基于机器学习、深度学习及大模型能力的在线风险识别系统，在极高精准率与召回率要求下，实时识别并处置无效流量、虚假交易、流量劫持及风险物料；\n2. 建设智能化离线风险挖掘平台，结合无监督/半监督学习、图挖掘、异常检测以及LLM推理能力，帮助算法与运营团队发现新型作弊模式与潜在风险路径；\n3. 研发 AI-Native 风控产品与分析平台，探索 Agent、RAG、风险知识库、多智能体协同等方向在风控场景中的落地应用，提升风险分析、策略迭代与case处置效率；\n4. 面向广告、推荐、电商等复杂业务场景，结合海量行为数据与实时流式计算能力，构建可解释、可扩展、可持续演进的新一代风险治理体系；\n5. 推动大模型与传统风控算法融合，包括风险推理、行为理解、Pattern发现、自动化分析与策略生成，探索AI在复杂对抗场景下的工程化落地。",
"requirements_text": "1.计算机、数学、统计学、人工智能等相关专业硕士及以上学历，具备扎实的理论基础与工程能力；\n2.对以下至少一个方向有深入理解或实践经验：\nAnomaly / Outlier Detection\nSemi-supervised / Unsupervised Learning\nLarge Scale Graph Mining\nScalable / Interpretable / Robust Machine Learning\nBehavior Pattern Recognition\nStreaming / Batch Data Processing\nNLP / CV / Recommendation / Ads\nLLM / RAG / Agent / AI Application\n3.熟悉 Python / Java / C++ 中至少一种语言，具备良好的工程实现能力与复杂系统设计能力；\n4.对AI技术与大模型应用有较强兴趣，理解主流LLM能力边界，了解 Prompt Engineering、RAG、Agent、Tool Use 等主流应用范式，有实际项目经验者优先；\n5.具备优秀的问题抽象与逻辑分析能力，能够在复杂业务场景中识别关键矛盾，完成从问题分析、算法设计到系统落地的完整闭环；\n6.对复杂对抗场景、黑灰产治理、风险识别等方向有持续兴趣，有风控反作弊、大规模工业级系统、推荐广告算法相关经验者优先。",
"skills": [AI生成
"Python",
"Java",
"C++",
"机器学习",
"自然语言处理",
"算法设计",
"分析能力",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "4.对AI技术与大模型应用有较强兴趣，理解主流LLM能力边界，了解 Prompt Engineering、RAG、Agent、Tool Use 等主流应用范式，有实际项目经验者优先；6.对复杂对抗场景、黑灰产治理、风险识别等方向有持续兴趣，有风控反作弊、大规模工业级系统、推荐广告算法相关经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.taotian.com/off-campus/position-detail?positionId=100013800017"
}
]
},
"posting": {
"posting_id": "100013800017",
"post_date": "2026-07-31",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.taotian.com/off-campus/position-detail?positionId=100013800017"
},
"fulltext": "阿里妈妈-风控算法工程师-北京\n阿里妈妈-风控算法工程师-北京\n\n基础信息\n工作地点：北京\n\n职位描述\n1. 构建基于机器学习、深度学习及大模型能力的在线风险识别系统，在极高精准率与召回率要求下，实时识别并处置无效流量、虚假交易、流量劫持及风险物料；\n2. 建设智能化离线风险挖掘平台，结合无监督/半监督学习、图挖掘、异常检测以及LLM推理能力，帮助算法与运营团队发现新型作弊模式与潜在风险路径；\n3. 研发 AI-Native 风控产品与分析平台，探索 Agent、RAG、风险知识库、多智能体协同等方向在风控场景中的落地应用，提升风险分析、策略迭代与case处置效率；\n4. 面向广告、推荐、电商等复杂业务场景，结合海量行为数据与实时流式计算能力，构建可解释、可扩展、可持续演进的新一代风险治理体系；\n5. 推动大模型与传统风控算法融合，包括风险推理、行为理解、Pattern发现、自动化分析与策略生成，探索AI在复杂对抗场景下的工程化落地。\n\n职位要求\n1.计算机、数学、统计学、人工智能等相关专业硕士及以上学历，具备扎实的理论基础与工程能力；\n2.对以下至少一个方向有深入理解或实践经验：\nAnomaly / Outlier Detection\nSemi-supervised / Unsupervised Learning\nLarge Scale Graph Mining\nScalable / Interpretable / Robust Machine Learning\nBehavior Pattern Recognition\nStreaming / Batch Data Processing\nNLP / CV / Recommendation / Ads\nLLM / RAG / Agent / AI Application\n3.熟悉 Python / Java / C++ 中至少一种语言，具备良好的工程实现能力与复杂系统设计能力；\n4.对AI技术与大模型应用有较强兴趣，理解主流LLM能力边界，了解 Prompt Engineering、RAG、Agent、Tool Use 等主流应用范式，有实际项目经验者优先；\n5.具备优秀的问题抽象与逻辑分析能力，能够在复杂业务场景中识别关键矛盾，完成从问题分析、算法设计到系统落地的完整闭环；\n6.对复杂对抗场景、黑灰产治理、风险识别等方向有持续兴趣，有风控反作弊、大规模工业级系统、推荐广告算法相关经验者优先。\n1. 构建基于机器学习、深度学习及大模型能力的在线风险识别系统，在极高精准率与召回率要求下，实时识别并处置无效流量、虚假交易、流量劫持及风险物料；\n2. 建设智能化离线风险挖掘平台，结合无监督/半监督学习、图挖掘、异常检测以及LLM推理能力，帮助算法与运营团队发现新型作弊模式与潜在风险路径；\n3. 研发 AI-Native 风控产品与分析平台，探索 Agent、RAG、风险知识库、多智能体协同等方向在风控场景中的落地应用，提升风险分析、策略迭代与case处置效率；\n4. 面向广告、推荐、电商等复杂业务场景，结合海量行为数据与实时流式计算能力，构建可解释、可扩展、可持续演进的新一代风险治理体系；\n5. 推动大模型与传统风控算法融合，包括风险推理、行为理解、Pattern发现、自动化分析与策略生成，探索AI在复杂对抗场景下的工程化落地。\n1.计算机、数学、统计学、人工智能等相关专业硕士及以上学历，具备扎实的理论基础与工程能力；\n2.对以下至少一个方向有深入理解或实践经验：\nAnomaly / Outlier Detection\nSemi-supervised / Unsupervised Learning\nLarge Scale Graph Mining\nScalable / Interpretable / Robust Machine Learning\nBehavior Pattern Recognition\nStreaming / Batch Data Processing\nNLP / CV / Recommendation / Ads\nLLM / RAG / Agent / AI Application\n3.熟悉 Python / Java / C++ 中至少一种语言，具备良好的工程实现能力与复杂系统设计能力；\n4.对AI技术与大模型应用有较强兴趣，理解主流LLM能力边界，了解 Prompt Engineering、RAG、Agent、Tool Use 等主流应用范式，有实际项目经验者优先；\n5.具备优秀的问题抽象与逻辑分析能力，能够在复杂业务场景中识别关键矛盾，完成从问题分析、算法设计到系统落地的完整闭环；\n6.对复杂对抗场景、黑灰产治理、风险识别等方向有持续兴趣，有风控反作弊、大规模工业级系统、推荐广告算法相关经验者优先。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}