主分类：搜索推荐与业务决策算法研发
辅助：大模型与生成式算法研发（仅展示）
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": "集团安全部-全模态内容安全算法专家-杭州",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类-算法"AI生成
},
"company": {
"company_name": "阿里巴巴控股集团",
"company_industry": "电子商务 / 云计算 / 人工智能",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "阿里巴巴集团面向消费者和企业提供电子商务、云计算及人工智能服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "我们提供"
},
"requirements": {
"working_years": "",
"degree": "学历背景：计算机、数学、统计学或相关专业硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "负责直播及视频场景下的内容安全算法研发与前沿技术落地，聚焦实时互动流中的风险识别、圈流决策、攻防对抗与LLM/VLLM/Omni大模型审核定性。\n核心工作包括：\n围绕直播间多主体行为序列（主播口播、观众互动、水军协同等），设计并优化风险识别模型与策略体系，实现从\"单条内容审核\"到\"整场行为理解\"的能力跃迁；\n构建圈流-识别-审核三阶段决策引擎，在召回率≥95%的约束下持续降低误报率，实现审核链路的大模型自动化完结，平衡审核成本与安全效果；\n设计自进化闭环系统，通过agentic/skill技术链路实现规则挖掘、识别点自动迭代与OOD鲁棒策略，应对攻击者持续变换话术/脚本的对抗环境；\n参与内容安全大模型在直播/视频场景的落地，探索大小模型协同（线上小模型推理+大规模LLM训练/蒸馏/RL）的工业化路径。",
"requirements_text": "职位要求\n学历背景：计算机、数学、统计学或相关专业硕士及以上学历，具备扎实的理论基础；\n编程能力：熟练掌握 Python，熟悉 PyTorch / TensorFlow，具备良好的工程落地能力（能写能调能上线）；\n机器学习基础：熟悉序列建模（Transformer / GRU / LSTM）、图神经网络、多实例学习（MIL）、弱监督学习中的至少两项；\n大模型经验：有 LLM/VLLM/Omni/Audio在多模态内容理解、文本分类、Prompt Engineering 或知识蒸馏方面的实际应用经验者优先；\n研究能力：具备优秀的分析与问题解决能力，熟悉数据挖掘、信息检索、NLP、异常检测等领域，有相关研究成果者优先；\n学术成果：在 KDD、SIGIR、NeurIPS、ICML、WWW、AAAI、ACL、CPVR、ICCV、MM 等顶级会议或期刊发表过论文者优先；\n竞赛经历：参加过 ACM、Kaggle、天池等数据挖掘或机器学习竞赛并取得优异成绩者优先；\n沟通协作：具备良好的团队协作与跨部门沟通能力，能够独立承担复杂算法任务并推动落地。\n加分项\n有内容安全、反作弊、反欺诈、直播风控、视频审核等相关项目经验；\n熟悉多模态理解（视觉语言模型 / OCR / ASR / 图片标签 / Audio / Omni）在安全场景的应用；\n熟悉分布偏移（OOD）检测、对抗鲁棒性、反事实推理等前沿方法；\n有\"圈流+识别\"两阶段决策、自动化策略迭代、知识驱动规则挖掘的工程经验；\n熟悉强化学习、博弈论在安全对抗场景中的应用；\n具备内容自动审核、多模态内容治理、跨平台风控经验者优先。\n我们提供\n参与行业领先的直播/视频内容安全大模型体系建设，覆盖数十亿级日活互动流；\n面向复杂实时对抗场景的技术挑战——攻击者每天在变，你的系统需要比他们更快进化；\n强大的数据与算力支持，助力算法成果从论文到生产的完整闭环；\n明确的技术成长路径，鼓励在顶会发表、参与开源，技术影响力与业务价值并重。",
"skills": [AI生成
"Python",
"PyTorch",
"TensorFlow",
"机器学习",
"强化学习",
"自然语言处理",
"数据挖掘",
"团队协作",
"沟通能力",
"建模",
"大语言模型"
],
"preferred_qualifications": "大模型经验：有 LLM/VLLM/Omni/Audio在多模态内容理解、文本分类、Prompt Engineering 或知识蒸馏方面的实际应用经验者优先；研究能力：具备优秀的分析与问题解决能力，熟悉数据挖掘、信息检索、NLP、异常检测等领域，有相关研究成果者优先；学术成果：在 KDD、SIGIR、NeurIPS、ICML、WWW、AAAI、ACL、CPVR、ICCV、MM 等顶级会议或期刊发表过论文者优先；竞赛经历：参加过 ACM、Kaggle、天池等数据挖掘或机器学习竞赛并取得优异成绩者优先；加分项；具备内容自动审核、多模态内容治理、跨平台风控经验者优先",
"job_highlights": "我们提供"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100023000005"
}
]
},
"posting": {
"posting_id": "100023000005",
"post_date": "2026-08-24",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100023000005"
},
"fulltext": "集团安全部-全模态内容安全算法专家-杭州\n集团安全部-全模态内容安全算法专家-杭州\n\n基础信息\n职位类别：技术类-算法\n工作地点：杭州\n\n职位描述\n负责直播及视频场景下的内容安全算法研发与前沿技术落地，聚焦实时互动流中的风险识别、圈流决策、攻防对抗与LLM/VLLM/Omni大模型审核定性。\n核心工作包括：\n围绕直播间多主体行为序列（主播口播、观众互动、水军协同等），设计并优化风险识别模型与策略体系，实现从\"单条内容审核\"到\"整场行为理解\"的能力跃迁；\n构建圈流-识别-审核三阶段决策引擎，在召回率≥95%的约束下持续降低误报率，实现审核链路的大模型自动化完结，平衡审核成本与安全效果；\n设计自进化闭环系统，通过agentic/skill技术链路实现规则挖掘、识别点自动迭代与OOD鲁棒策略，应对攻击者持续变换话术/脚本的对抗环境；\n参与内容安全大模型在直播/视频场景的落地，探索大小模型协同（线上小模型推理+大规模LLM训练/蒸馏/RL）的工业化路径。\n\n职位要求\n职位要求\n学历背景：计算机、数学、统计学或相关专业硕士及以上学历，具备扎实的理论基础；\n编程能力：熟练掌握 Python，熟悉 PyTorch / TensorFlow，具备良好的工程落地能力（能写能调能上线）；\n机器学习基础：熟悉序列建模（Transformer / GRU / LSTM）、图神经网络、多实例学习（MIL）、弱监督学习中的至少两项；\n大模型经验：有 LLM/VLLM/Omni/Audio在多模态内容理解、文本分类、Prompt Engineering 或知识蒸馏方面的实际应用经验者优先；\n研究能力：具备优秀的分析与问题解决能力，熟悉数据挖掘、信息检索、NLP、异常检测等领域，有相关研究成果者优先；\n学术成果：在 KDD、SIGIR、NeurIPS、ICML、WWW、AAAI、ACL、CPVR、ICCV、MM 等顶级会议或期刊发表过论文者优先；\n竞赛经历：参加过 ACM、Kaggle、天池等数据挖掘或机器学习竞赛并取得优异成绩者优先；\n沟通协作：具备良好的团队协作与跨部门沟通能力，能够独立承担复杂算法任务并推动落地。\n加分项\n有内容安全、反作弊、反欺诈、直播风控、视频审核等相关项目经验；\n熟悉多模态理解（视觉语言模型 / OCR / ASR / 图片标签 / Audio / Omni）在安全场景的应用；\n熟悉分布偏移（OOD）检测、对抗鲁棒性、反事实推理等前沿方法；\n有\"圈流+识别\"两阶段决策、自动化策略迭代、知识驱动规则挖掘的工程经验；\n熟悉强化学习、博弈论在安全对抗场景中的应用；\n具备内容自动审核、多模态内容治理、跨平台风控经验者优先。\n我们提供\n参与行业领先的直播/视频内容安全大模型体系建设，覆盖数十亿级日活互动流；\n面向复杂实时对抗场景的技术挑战——攻击者每天在变，你的系统需要比他们更快进化；\n强大的数据与算力支持，助力算法成果从论文到生产的完整闭环；\n明确的技术成长路径，鼓励在顶会发表、参与开源，技术影响力与业务价值并重。\n负责直播及视频场景下的内容安全算法研发与前沿技术落地，聚焦实时互动流中的风险识别、圈流决策、攻防对抗与LLM/VLLM/Omni大模型审核定性。\n核心工作包括：\n围绕直播间多主体行为序列（主播口播、观众互动、水军协同等），设计并优化风险识别模型与策略体系，实现从\"单条内容审核\"到\"整场行为理解\"的能力跃迁；\n构建圈流-识别-审核三阶段决策引擎，在召回率≥95%的约束下持续降低误报率，实现审核链路的大模型自动化完结，平衡审核成本与安全效果；\n设计自进化闭环系统，通过agentic/skill技术链路实现规则挖掘、识别点自动迭代与OOD鲁棒策略，应对攻击者持续变换话术/脚本的对抗环境；\n参与内容安全大模型在直播/视频场景的落地，探索大小模型协同（线上小模型推理+大规模LLM训练/蒸馏/RL）的工业化路径。\n职位要求\n学历背景：计算机、数学、统计学或相关专业硕士及以上学历，具备扎实的理论基础；\n编程能力：熟练掌握 Python，熟悉 PyTorch / TensorFlow，具备良好的工程落地能力（能写能调能上线）；\n机器学习基础：熟悉序列建模（Transformer / GRU / LSTM）、图神经网络、多实例学习（MIL）、弱监督学习中的至少两项；\n大模型经验：有 LLM/VLLM/Omni/Audio在多模态内容理解、文本分类、Prompt Engineering 或知识蒸馏方面的实际应用经验者优先；\n研究能力：具备优秀的分析与问题解决能力，熟悉数据挖掘、信息检索、NLP、异常检测等领域，有相关研究成果者优先；\n学术成果：在 KDD、SIGIR、NeurIPS、ICML、WWW、AAAI、ACL、CPVR、ICCV、MM 等顶级会议或期刊发表过论文者优先；\n竞赛经历：参加过 ACM、Kaggle、天池等数据挖掘或机器学习竞赛并取得优异成绩者优先；\n沟通协作：具备良好的团队协作与跨部门沟通能力，能够独立承担复杂算法任务并推动落地。\n加分项\n有内容安全、反作弊、反欺诈、直播风控、视频审核等相关项目经验；\n熟悉多模态理解（视觉语言模型 / OCR / ASR / 图片标签 / Audio / Omni）在安全场景的应用；\n熟悉分布偏移（OOD）检测、对抗鲁棒性、反事实推理等前沿方法；\n有\"圈流+识别\"两阶段决策、自动化策略迭代、知识驱动规则挖掘的工程经验；\n熟悉强化学习、博弈论在安全对抗场景中的应用；\n具备内容自动审核、多模态内容治理、跨平台风控经验者优先。\n我们提供\n参与行业领先的直播/视频内容安全大模型体系建设，覆盖数十亿级日活互动流；\n面向复杂实时对抗场景的技术挑战——攻击者每天在变，你的系统需要比他们更快进化；\n强大的数据与算力支持，助力算法成果从论文到生产的完整闭环；\n明确的技术成长路径，鼓励在顶会发表、参与开源，技术影响力与业务价值并重。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}