主分类：网络信息安全
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-阿里控股-大模型安全-大模型安全算法",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "北京 / 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": "未披露"
},
"requirements": {
"working_years": "",
"degree": "计算机、数学、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. 负责端侧大模型内容安全算法架构设计与研发，构建覆盖文本、图像等多模态输入的违规内容识别体系，实现对用户违规输入及模型违规输出的风险实时拦截与精准识别；\n2. 设计并落地基于Agent的模型自动迭代系统，利用Agent自主完成线上Badcase挖掘、对抗样本生成、数据回流、增量训练与效果验证的全流程编排，实现内容安全模型的自助进化与持续调优，大幅降低人工干预成本，提升模型对新型违规内容的响应速度；\n3. 设计端云协同的算法解决方案，结合端侧轻量化模型与云端高精度模型的联合优化，提升内容安全检测的实时性与准确性。\n4. 主导核心能力建设，包括但不限于大模型端侧化、模型压缩加速、加密传输、攻防对抗技术研究，并将Agent能力深度嵌入算法研发与运维全流程，推动算法在业务场景中的高效落地、自动迭代与持续进化。",
"requirements_text": "1. 计算机、数学、人工智能等相关专业硕士及以上学历，3年以上算法研发经验，有内容安全或风控领域背景者优先。\n2. 精通Python/C++/Java中至少一门语言，具备扎实的数据结构、算法基础及工程化能力，熟悉深度学习框架（如PyTorch、TensorFlow）。\n3. 熟悉机器学习、深度学习及强化学习算法，对多模态处理（文本、图像）有实践经验。\n4. 具备端侧模型开发经验，熟悉模型压缩（如量化、剪枝）及端云协同推理优化技术，能应对资源受限环境下的算法部署挑战。\n5. 具备AI Agent开发与模型自动迭代系统落地经验，熟悉LangChain、AutoGen、CrewAI等主流Agent框架，掌握ReAct、Reflection等推理范式，能够利用Agent实现Badcase挖掘、数据回流、增量训练、效果验证的全流程自动化编排；有将Agent与MLOps/LLMOps平台集成、构建无人值守模型自进化闭环的实战经验者优先。\n6. 有较强的问题分析与解决能力，能够针对新型攻击手段快速设计防御方案，并具备良好的技术洞察力与业务敏感度。\n7. 良好的团队协作与跨部门沟通能力，能推动算法与产品、工程团队的高效协同。\n8. 持续学习与技术输出能力 ，在顶会（如CVPR、NeurIPS、CCS等）发表过相关论文或申请专利者优先，能通过技术分享带动团队能力提升。",
"skills": [AI生成
"Python",
"Java",
"C++",
"PyTorch",
"TensorFlow",
"React",
"机器学习",
"深度学习",
"强化学习",
"数据结构",
"团队协作",
"沟通能力"
],
"preferred_qualifications": "1. 计算机、数学、人工智能等相关专业硕士及以上学历，3年以上算法研发经验，有内容安全或风控领域背景者优先；有将Agent与MLOps/LLMOps平台集成、构建无人值守模型自进化闭环的实战经验者优先；8. 持续学习与技术输出能力 ，在顶会（如CVPR、NeurIPS、CCS等）发表过相关论文或申请专利者优先，能通过技术分享带动团队能力提升",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100024760013"
}
]
},
"posting": {
"posting_id": "100024760013",
"post_date": "2026-09-16",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100024760013"
},
"fulltext": "集团安全部-阿里控股-大模型安全-大模型安全算法\n集团安全部-阿里控股-大模型安全-大模型安全算法\n\n基础信息\n职位类别：技术类-算法\n工作地点：北京 / 杭州\n\n职位描述\n1. 负责端侧大模型内容安全算法架构设计与研发，构建覆盖文本、图像等多模态输入的违规内容识别体系，实现对用户违规输入及模型违规输出的风险实时拦截与精准识别；\n2. 设计并落地基于Agent的模型自动迭代系统，利用Agent自主完成线上Badcase挖掘、对抗样本生成、数据回流、增量训练与效果验证的全流程编排，实现内容安全模型的自助进化与持续调优，大幅降低人工干预成本，提升模型对新型违规内容的响应速度；\n3. 设计端云协同的算法解决方案，结合端侧轻量化模型与云端高精度模型的联合优化，提升内容安全检测的实时性与准确性。\n4. 主导核心能力建设，包括但不限于大模型端侧化、模型压缩加速、加密传输、攻防对抗技术研究，并将Agent能力深度嵌入算法研发与运维全流程，推动算法在业务场景中的高效落地、自动迭代与持续进化。\n\n职位要求\n1. 计算机、数学、人工智能等相关专业硕士及以上学历，3年以上算法研发经验，有内容安全或风控领域背景者优先。\n2. 精通Python/C++/Java中至少一门语言，具备扎实的数据结构、算法基础及工程化能力，熟悉深度学习框架（如PyTorch、TensorFlow）。\n3. 熟悉机器学习、深度学习及强化学习算法，对多模态处理（文本、图像）有实践经验。\n4. 具备端侧模型开发经验，熟悉模型压缩（如量化、剪枝）及端云协同推理优化技术，能应对资源受限环境下的算法部署挑战。\n5. 具备AI Agent开发与模型自动迭代系统落地经验，熟悉LangChain、AutoGen、CrewAI等主流Agent框架，掌握ReAct、Reflection等推理范式，能够利用Agent实现Badcase挖掘、数据回流、增量训练、效果验证的全流程自动化编排；有将Agent与MLOps/LLMOps平台集成、构建无人值守模型自进化闭环的实战经验者优先。\n6. 有较强的问题分析与解决能力，能够针对新型攻击手段快速设计防御方案，并具备良好的技术洞察力与业务敏感度。\n7. 良好的团队协作与跨部门沟通能力，能推动算法与产品、工程团队的高效协同。\n8. 持续学习与技术输出能力 ，在顶会（如CVPR、NeurIPS、CCS等）发表过相关论文或申请专利者优先，能通过技术分享带动团队能力提升。\n1. 负责端侧大模型内容安全算法架构设计与研发，构建覆盖文本、图像等多模态输入的违规内容识别体系，实现对用户违规输入及模型违规输出的风险实时拦截与精准识别；\n2. 设计并落地基于Agent的模型自动迭代系统，利用Agent自主完成线上Badcase挖掘、对抗样本生成、数据回流、增量训练与效果验证的全流程编排，实现内容安全模型的自助进化与持续调优，大幅降低人工干预成本，提升模型对新型违规内容的响应速度；\n3. 设计端云协同的算法解决方案，结合端侧轻量化模型与云端高精度模型的联合优化，提升内容安全检测的实时性与准确性。\n4. 主导核心能力建设，包括但不限于大模型端侧化、模型压缩加速、加密传输、攻防对抗技术研究，并将Agent能力深度嵌入算法研发与运维全流程，推动算法在业务场景中的高效落地、自动迭代与持续进化。\n1. 计算机、数学、人工智能等相关专业硕士及以上学历，3年以上算法研发经验，有内容安全或风控领域背景者优先。\n2. 精通Python/C++/Java中至少一门语言，具备扎实的数据结构、算法基础及工程化能力，熟悉深度学习框架（如PyTorch、TensorFlow）。\n3. 熟悉机器学习、深度学习及强化学习算法，对多模态处理（文本、图像）有实践经验。\n4. 具备端侧模型开发经验，熟悉模型压缩（如量化、剪枝）及端云协同推理优化技术，能应对资源受限环境下的算法部署挑战。\n5. 具备AI Agent开发与模型自动迭代系统落地经验，熟悉LangChain、AutoGen、CrewAI等主流Agent框架，掌握ReAct、Reflection等推理范式，能够利用Agent实现Badcase挖掘、数据回流、增量训练、效果验证的全流程自动化编排；有将Agent与MLOps/LLMOps平台集成、构建无人值守模型自进化闭环的实战经验者优先。\n6. 有较强的问题分析与解决能力，能够针对新型攻击手段快速设计防御方案，并具备良好的技术洞察力与业务敏感度。\n7. 良好的团队协作与跨部门沟通能力，能推动算法与产品、工程团队的高效协同。\n8. 持续学习与技术输出能力 ，在顶会（如CVPR、NeurIPS、CCS等）发表过相关论文或申请专利者优先，能通过技术分享带动团队能力提升。",
"standard_classification": {
"std_category_code": "T023",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}