{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "集团安全部-AIGC多模态大模型专家-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-安全"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": "硕士",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1. 负责 AIGC 场景下多模态内容安全核心能力的研发与迭代，覆盖图文音视及跨模态组合内容，构建贯穿用户输入、生成过程与输出分发的风险识别、审核、解释和合规控制能力，保障生成内容与业务应用安全。\n2. 探索并构建多模态安全大模型，推进其在AIGC内容安全场景的训练与落地。围绕跨模态语义理解、隐式风险识别、风险定位与解释等能力，结合指令微调、偏好优化、知识增强、强化学习及对抗训练等，持续提升模型对新型风险和复杂业务场景的泛化性、鲁棒性与可控性。\n3. 探索基于 Agent 的多模态安全审核与治理方案，结合风险知识检索、工具调用、任务规划与多模型协同，构建复杂内容分析、风险证据核验、策略匹配及人机协同处置流程。同时面向 AIGC 与 Agent 应用，建设输入输出防护、上下文与工具调用检查等 Guardrails 能力，防范提示词注入、越狱诱导、敏感信息泄露及不安全工具调用等风险。\n4. 负责多模态安全模型及安全 Agent 的推理优化与工程落地，开展模型量化、剪枝、蒸馏、稀疏化及推理加速，构建轻重模型分级审核、动态路由与端云协同机制。推进端侧 VLM 轻量化部署，在低时延、低功耗、弱网及隐私约束下，平衡安全效果、处理效率与部署成本。\n5. 建设面向 AIGC 的跨模态风险本体、策略标签体系与标注规范，沉淀高质量训练数据、难例库及对抗样本生成工具。搭建覆盖模型、Agent 与端到端业务链路的评测及红队测试体系，评估风险召回、误杀、跨模态一致性、对抗鲁棒性、延迟与成本，结合线上监控和人工反馈，推动数据、模型与安全策略持续迭代。",
        "requirements_text": "学历背景：计算机科学、人工智能、网络安全等相关专业\n算法基础：熟悉 Transformer 结构，深入理解主流多模态大模型架构（如 LLaVA, GPT-4V, Gemini, Stable Diffusion 等）及其训练/推理机制。\n攻防经验：了解对抗攻击（Adversarial Attacks）经典算法（如 PGD, FGSM），或有大模型越狱（Jailbreak）、Prompt Engineering 相关研究经验者优先。\n编程能力：熟练掌握 Python 及 PyTorch/TensorFlow 框架，具备良好的代码实现能力，能快速复现 Paper 中的算法。\n学术能力：在 AI 安全、CV、NLP 等领域的顶级会议（CVPR, ICCV, ACL, NeurIPS, CCS, USENIX Security 等）发表过论文者优先。",
        "skills": [AI生成
            "Python",
            "PyTorch",
            "TensorFlow",
            "自然语言处理",
            "大语言模型"
        ],
        "preferred_qualifications": "攻防经验：了解对抗攻击（Adversarial Attacks）经典算法（如 PGD, FGSM），或有大模型越狱（Jailbreak）、Prompt Engineering 相关研究经验者优先；学术能力：在 AI 安全、CV、NLP 等领域的顶级会议（CVPR, ICCV, ACL, NeurIPS, CCS, USENIX Security 等）发表过论文者优先",
        "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=100039180004"
            }
        ]
    },
    "posting": {
        "posting_id": "100039180004",
        "post_date": "2026-09-15",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100039180004"
    },
    "fulltext": "集团安全部-AIGC多模态大模型专家-杭州\n集团安全部-AIGC多模态大模型专家-杭州\n\n基础信息\n职位类别：技术类-安全\n工作地点：杭州\n\n职位描述\n1. 负责 AIGC 场景下多模态内容安全核心能力的研发与迭代，覆盖图文音视及跨模态组合内容，构建贯穿用户输入、生成过程与输出分发的风险识别、审核、解释和合规控制能力，保障生成内容与业务应用安全。\n2. 探索并构建多模态安全大模型，推进其在AIGC内容安全场景的训练与落地。围绕跨模态语义理解、隐式风险识别、风险定位与解释等能力，结合指令微调、偏好优化、知识增强、强化学习及对抗训练等，持续提升模型对新型风险和复杂业务场景的泛化性、鲁棒性与可控性。\n3. 探索基于 Agent 的多模态安全审核与治理方案，结合风险知识检索、工具调用、任务规划与多模型协同，构建复杂内容分析、风险证据核验、策略匹配及人机协同处置流程。同时面向 AIGC 与 Agent 应用，建设输入输出防护、上下文与工具调用检查等 Guardrails 能力，防范提示词注入、越狱诱导、敏感信息泄露及不安全工具调用等风险。\n4. 负责多模态安全模型及安全 Agent 的推理优化与工程落地，开展模型量化、剪枝、蒸馏、稀疏化及推理加速，构建轻重模型分级审核、动态路由与端云协同机制。推进端侧 VLM 轻量化部署，在低时延、低功耗、弱网及隐私约束下，平衡安全效果、处理效率与部署成本。\n5. 建设面向 AIGC 的跨模态风险本体、策略标签体系与标注规范，沉淀高质量训练数据、难例库及对抗样本生成工具。搭建覆盖模型、Agent 与端到端业务链路的评测及红队测试体系，评估风险召回、误杀、跨模态一致性、对抗鲁棒性、延迟与成本，结合线上监控和人工反馈，推动数据、模型与安全策略持续迭代。\n\n职位要求\n学历背景：计算机科学、人工智能、网络安全等相关专业\n算法基础：熟悉 Transformer 结构，深入理解主流多模态大模型架构（如 LLaVA, GPT-4V, Gemini, Stable Diffusion 等）及其训练/推理机制。\n攻防经验：了解对抗攻击（Adversarial Attacks）经典算法（如 PGD, FGSM），或有大模型越狱（Jailbreak）、Prompt Engineering 相关研究经验者优先。\n编程能力：熟练掌握 Python 及 PyTorch/TensorFlow 框架，具备良好的代码实现能力，能快速复现 Paper 中的算法。\n学术能力：在 AI 安全、CV、NLP 等领域的顶级会议（CVPR, ICCV, ACL, NeurIPS, CCS, USENIX Security 等）发表过论文者优先。\n1. 负责 AIGC 场景下多模态内容安全核心能力的研发与迭代，覆盖图文音视及跨模态组合内容，构建贯穿用户输入、生成过程与输出分发的风险识别、审核、解释和合规控制能力，保障生成内容与业务应用安全。\n2. 探索并构建多模态安全大模型，推进其在AIGC内容安全场景的训练与落地。围绕跨模态语义理解、隐式风险识别、风险定位与解释等能力，结合指令微调、偏好优化、知识增强、强化学习及对抗训练等，持续提升模型对新型风险和复杂业务场景的泛化性、鲁棒性与可控性。\n3. 探索基于 Agent 的多模态安全审核与治理方案，结合风险知识检索、工具调用、任务规划与多模型协同，构建复杂内容分析、风险证据核验、策略匹配及人机协同处置流程。同时面向 AIGC 与 Agent 应用，建设输入输出防护、上下文与工具调用检查等 Guardrails 能力，防范提示词注入、越狱诱导、敏感信息泄露及不安全工具调用等风险。\n4. 负责多模态安全模型及安全 Agent 的推理优化与工程落地，开展模型量化、剪枝、蒸馏、稀疏化及推理加速，构建轻重模型分级审核、动态路由与端云协同机制。推进端侧 VLM 轻量化部署，在低时延、低功耗、弱网及隐私约束下，平衡安全效果、处理效率与部署成本。\n5. 建设面向 AIGC 的跨模态风险本体、策略标签体系与标注规范，沉淀高质量训练数据、难例库及对抗样本生成工具。搭建覆盖模型、Agent 与端到端业务链路的评测及红队测试体系，评估风险召回、误杀、跨模态一致性、对抗鲁棒性、延迟与成本，结合线上监控和人工反馈，推动数据、模型与安全策略持续迭代。\n学历背景：计算机科学、人工智能、网络安全等相关专业\n算法基础：熟悉 Transformer 结构，深入理解主流多模态大模型架构（如 LLaVA, GPT-4V, Gemini, Stable Diffusion 等）及其训练/推理机制。\n攻防经验：了解对抗攻击（Adversarial Attacks）经典算法（如 PGD, FGSM），或有大模型越狱（Jailbreak）、Prompt Engineering 相关研究经验者优先。\n编程能力：熟练掌握 Python 及 PyTorch/TensorFlow 框架，具备良好的代码实现能力，能快速复现 Paper 中的算法。\n学术能力：在 AI 安全、CV、NLP 等领域的顶级会议（CVPR, ICCV, ACL, NeurIPS, CCS, USENIX Security 等）发表过论文者优先。",
    "standard_classification": {
        "std_category_code": "T023",
        "std_aux_codes": [
            "T010"
        ],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}