主分类：AI模型评测工程
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": "千问事业部-AI 内容安全评测高级专家-北京",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "数据类-商业数据分析"AI生成
},
"company": {
"company_name": "夸克",
"company_industry": "互联网 / 人工智能应用",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "夸克提供AI搜索等人工智能应用服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "计算机、人工智能、网络安全、统计学等相关专业本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 评测体系架构设计：基于对内容安全法规、黑灰产攻击手法及大模型对抗原理的理解，构建覆盖全面、维度科学的安全评测指标体系。设计具有统计显著性的评测方法论，明确样本量计算逻辑、置信区间评估及误差控制标准，确保评测结论具备权威性与可复现性。\n2. 基于训练机理的深度评测：深入理解 LLM 训练全流程（预训练数据污染、SFT 指令对齐、RLHF 奖励模型偏差），针对各阶段潜在的安全隐患设计专项评测方案。利用对模型机理的理解，设计对抗性测试用例，挖掘模型在长尾场景下的隐性安全风险。\n3. 评测结论的权威化构建：建立评测结果的归因分析框架，能从模型结构、训练数据、对齐策略等技术维度解释“为什么模型会失效”，而非仅输出分数。负责撰写高质量的安全评测分析报告，提供具有公信力的安全水位证明。\n4. 自动化与工具赋能：协同其它团队将评测方法论转化为自动化代码（Python），实现评测流程的标准化与规模化，但核心精力聚焦于评测逻辑设计与结论分析。",
"requirements_text": "1. 计算机、人工智能、网络安全、统计学等相关专业本科及以上学历；\n2. 具备一定的内容安全风控经验，理解文本/图像/多模态内容的风险分类与分级标准；\n3. 深入理解 Transformer 架构及大模型训练机制（Pre-training, SFT, RLHF），清楚知道数据分布、Prompt 注入、越狱攻击如何影响模型行为。有参与过大模型微调、红队测试（Red Teaming）或安全对齐项目者优先；\n4. 具备极强的实验设计与统计分析能力，能独立设计对照实验验证评测指标的有效性，对“幸存者偏差”、“数据泄露”等科学问题有敏锐洞察。有构建过行业级评测基准（Benchmark）或发表过相关技术文章者优先；\n5. 具备Python 阅读与编写能力，能理解评测代码逻辑并与工程团队高效协作。",
"skills": [AI生成
"Python",
"统计分析",
"模型训练",
"模型微调",
"分析能力",
"大语言模型"
],
"preferred_qualifications": "有参与过大模型微调、红队测试（Red Teaming）或安全对齐项目者优先；有构建过行业级评测基准（Benchmark）或发表过相关技术文章者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.quark.cn/off-campus/position-detail?positionId=100016380001"
}
]
},
"posting": {
"posting_id": "100016380001",
"post_date": "2026-08-12",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.quark.cn/off-campus/position-detail?positionId=100016380001"
},
"fulltext": "千问事业部-AI 内容安全评测高级专家-北京\n千问事业部-AI 内容安全评测高级专家-北京\n\n基础信息\n职位类别：数据类-商业数据分析\n工作地点：北京\n\n职位描述\n1. 评测体系架构设计：基于对内容安全法规、黑灰产攻击手法及大模型对抗原理的理解，构建覆盖全面、维度科学的安全评测指标体系。设计具有统计显著性的评测方法论，明确样本量计算逻辑、置信区间评估及误差控制标准，确保评测结论具备权威性与可复现性。\n2. 基于训练机理的深度评测：深入理解 LLM 训练全流程（预训练数据污染、SFT 指令对齐、RLHF 奖励模型偏差），针对各阶段潜在的安全隐患设计专项评测方案。利用对模型机理的理解，设计对抗性测试用例，挖掘模型在长尾场景下的隐性安全风险。\n3. 评测结论的权威化构建：建立评测结果的归因分析框架，能从模型结构、训练数据、对齐策略等技术维度解释“为什么模型会失效”，而非仅输出分数。负责撰写高质量的安全评测分析报告，提供具有公信力的安全水位证明。\n4. 自动化与工具赋能：协同其它团队将评测方法论转化为自动化代码（Python），实现评测流程的标准化与规模化，但核心精力聚焦于评测逻辑设计与结论分析。\n\n职位要求\n1. 计算机、人工智能、网络安全、统计学等相关专业本科及以上学历；\n2. 具备一定的内容安全风控经验，理解文本/图像/多模态内容的风险分类与分级标准；\n3. 深入理解 Transformer 架构及大模型训练机制（Pre-training, SFT, RLHF），清楚知道数据分布、Prompt 注入、越狱攻击如何影响模型行为。有参与过大模型微调、红队测试（Red Teaming）或安全对齐项目者优先；\n4. 具备极强的实验设计与统计分析能力，能独立设计对照实验验证评测指标的有效性，对“幸存者偏差”、“数据泄露”等科学问题有敏锐洞察。有构建过行业级评测基准（Benchmark）或发表过相关技术文章者优先；\n5. 具备Python 阅读与编写能力，能理解评测代码逻辑并与工程团队高效协作。\n1. 评测体系架构设计：基于对内容安全法规、黑灰产攻击手法及大模型对抗原理的理解，构建覆盖全面、维度科学的安全评测指标体系。设计具有统计显著性的评测方法论，明确样本量计算逻辑、置信区间评估及误差控制标准，确保评测结论具备权威性与可复现性。\n2. 基于训练机理的深度评测：深入理解 LLM 训练全流程（预训练数据污染、SFT 指令对齐、RLHF 奖励模型偏差），针对各阶段潜在的安全隐患设计专项评测方案。利用对模型机理的理解，设计对抗性测试用例，挖掘模型在长尾场景下的隐性安全风险。\n3. 评测结论的权威化构建：建立评测结果的归因分析框架，能从模型结构、训练数据、对齐策略等技术维度解释“为什么模型会失效”，而非仅输出分数。负责撰写高质量的安全评测分析报告，提供具有公信力的安全水位证明。\n4. 自动化与工具赋能：协同其它团队将评测方法论转化为自动化代码（Python），实现评测流程的标准化与规模化，但核心精力聚焦于评测逻辑设计与结论分析。\n1. 计算机、人工智能、网络安全、统计学等相关专业本科及以上学历；\n2. 具备一定的内容安全风控经验，理解文本/图像/多模态内容的风险分类与分级标准；\n3. 深入理解 Transformer 架构及大模型训练机制（Pre-training, SFT, RLHF），清楚知道数据分布、Prompt 注入、越狱攻击如何影响模型行为。有参与过大模型微调、红队测试（Red Teaming）或安全对齐项目者优先；\n4. 具备极强的实验设计与统计分析能力，能独立设计对照实验验证评测指标的有效性，对“幸存者偏差”、“数据泄露”等科学问题有敏锐洞察。有构建过行业级评测基准（Benchmark）或发表过相关技术文章者优先；\n5. 具备Python 阅读与编写能力，能理解评测代码逻辑并与工程团队高效协作。",
"standard_classification": {
"std_category_code": "T015",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}