{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "面向真实安全攻防场景的自主智能体（Security AI Agent）体系构建与核心能力研究-阿里星/A Star",
        "job_level": "校招",AI生成
        "work_category": "全职",AI生成
        "department": "阿里云",
        "location": "杭州",
        "work_mode": "未披露",AI生成
        "job_category": "技术类"AI生成
    },
    "company": {
        "company_name": "阿里云",
        "company_industry": "云计算 / 人工智能",
        "company_size": "10000人以上",
        "company_website": "alibaba.com",
        "company_description": "阿里云提供云基础设施、AI模型、智能体和计算服务。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "未披露",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "聚焦安全攻防与 AI Agent 技术的深度交叉方向，参与下一代安全智能体的核心技术研发\n1、安全 Agent 系统研发：\n- 设计与构建面向真实安全场景的自主 AI Agent 系统，实现从目标理解、环境感知、工具调用到多步推理执行的端到端闭环；\n- 研究并实现 Agent 的核心能力模块，包括任务规划与分解、动态策略调整、反思与自修正、安全约束与人机协同机制；\n- 设计多 Agent 协作架构，实现检测、分析、研判、响应等安全运营环节的自动化协同。\n2、安全领域 Agentic 模型训练：\n- 研究面向安全场景的大模型增强方案，包括安全领域持续预训练、指令微调、RLHF/RLEF 等技术路线，提升模型在安全专业任务上的推理与行动能力；\n- 构建安全领域高质量训练数据体系（攻防轨迹、工具调用序列、推理链标注等），设计面向 Agent 能力的训练目标与奖励函数。\n3、评估与可信体系建设：\n- 建立安全 Agent 的标准化评估基准，覆盖任务完成率、推理准确性、鲁棒性、可控性等多维指标；\n- 研究 Agent 在对抗环境下的安全性问题（提示注入防御、行为边界约束、决策可解释性等）。",
        "requirements_text": "岗位要求：\n1、在安全与 AI 交叉领域有研究或实践经历（如基于 LLM 的漏洞检测、AI 辅助逆向分析、自动化渗透测试等）；\n2、具备安全工具使用或安全系统开发经验，理解真实安全运营场景的工作流与痛点；\n3、具备独立研究能力，能够阅读并跟进相关领域前沿论文，将研究思路转化为可落地的技术方案；\n4、理解主流大语言模型的原理与架构（Transformer、预训练-微调范式、RLHF 等）；\n5、有大模型微调、推理优化或 Agent 系统（如 ReAct、Tool Use、Planning）的实践经验，有强化学习工程落地经验，尤其是在交互式环境中训练 Agent 的实践；\n6、有 Agent 框架开发经验（如 LangChain、AutoGPT、OpenAI Function Calling 等），或有自主搭建多 Agent 系统的项目经历。\n加分项：\n1、在顶会（如 S&P、USENIX Security、CCS、NDSS、NeurIPS、ICML、ICLR、ACL 等）发表过相关论文；\n2、参与过 CTF 竞赛并取得优秀成绩，或在知名安全社区有高质量技术输出；\n3、有安全产品或安全平台的研发经验（SIEM、SOAR、漏洞扫描器、WAF 等）；\n4、对 AI 安全（对抗攻击、模型安全、提示注入等）有研究或理解。",
        "skills": [AI生成
            "React",
            "强化学习",
            "模型微调",
            "大语言模型"
        ],
        "preferred_qualifications": "加分项：",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://campus-talent.alibaba.com/campus/position/199907800047?deptCodes="
            }
        ]
    },
    "posting": {
        "posting_id": "199907800047",
        "post_date": "2026-07-30",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://campus-talent.alibaba.com/campus/position/199907800047?deptCodes="
    },
    "fulltext": "面向真实安全攻防场景的自主智能体（Security AI Agent）体系构建与核心能力研究-阿里星/A Star\n面向真实安全攻防场景的自主智能体（Security AI Agent）体系构建与核心能力研究-阿里星/A Star\n\n基础信息\n毕业起止时间要求：2026-11-01 - 2027-10-31\n职位类别：技术类\n招聘项目：阿里巴巴2027届应届生\n工作地点：杭州\n\n职位描述\n聚焦安全攻防与 AI Agent 技术的深度交叉方向，参与下一代安全智能体的核心技术研发\n1、安全 Agent 系统研发：\n- 设计与构建面向真实安全场景的自主 AI Agent 系统，实现从目标理解、环境感知、工具调用到多步推理执行的端到端闭环；\n- 研究并实现 Agent 的核心能力模块，包括任务规划与分解、动态策略调整、反思与自修正、安全约束与人机协同机制；\n- 设计多 Agent 协作架构，实现检测、分析、研判、响应等安全运营环节的自动化协同。\n2、安全领域 Agentic 模型训练：\n- 研究面向安全场景的大模型增强方案，包括安全领域持续预训练、指令微调、RLHF/RLEF 等技术路线，提升模型在安全专业任务上的推理与行动能力；\n- 构建安全领域高质量训练数据体系（攻防轨迹、工具调用序列、推理链标注等），设计面向 Agent 能力的训练目标与奖励函数。\n3、评估与可信体系建设：\n- 建立安全 Agent 的标准化评估基准，覆盖任务完成率、推理准确性、鲁棒性、可控性等多维指标；\n- 研究 Agent 在对抗环境下的安全性问题（提示注入防御、行为边界约束、决策可解释性等）。\n\n职位要求\n岗位要求：\n1、在安全与 AI 交叉领域有研究或实践经历（如基于 LLM 的漏洞检测、AI 辅助逆向分析、自动化渗透测试等）；\n2、具备安全工具使用或安全系统开发经验，理解真实安全运营场景的工作流与痛点；\n3、具备独立研究能力，能够阅读并跟进相关领域前沿论文，将研究思路转化为可落地的技术方案；\n4、理解主流大语言模型的原理与架构（Transformer、预训练-微调范式、RLHF 等）；\n5、有大模型微调、推理优化或 Agent 系统（如 ReAct、Tool Use、Planning）的实践经验，有强化学习工程落地经验，尤其是在交互式环境中训练 Agent 的实践；\n6、有 Agent 框架开发经验（如 LangChain、AutoGPT、OpenAI Function Calling 等），或有自主搭建多 Agent 系统的项目经历。\n加分项：\n1、在顶会（如 S&P、USENIX Security、CCS、NDSS、NeurIPS、ICML、ICLR、ACL 等）发表过相关论文；\n2、参与过 CTF 竞赛并取得优秀成绩，或在知名安全社区有高质量技术输出；\n3、有安全产品或安全平台的研发经验（SIEM、SOAR、漏洞扫描器、WAF 等）；\n4、对 AI 安全（对抗攻击、模型安全、提示注入等）有研究或理解。\n\n在招业务\n阿里云\n聚焦安全攻防与 AI Agent 技术的深度交叉方向，参与下一代安全智能体的核心技术研发\n1、安全 Agent 系统研发：\n- 设计与构建面向真实安全场景的自主 AI Agent 系统，实现从目标理解、环境感知、工具调用到多步推理执行的端到端闭环；\n- 研究并实现 Agent 的核心能力模块，包括任务规划与分解、动态策略调整、反思与自修正、安全约束与人机协同机制；\n- 设计多 Agent 协作架构，实现检测、分析、研判、响应等安全运营环节的自动化协同。\n2、安全领域 Agentic 模型训练：\n- 研究面向安全场景的大模型增强方案，包括安全领域持续预训练、指令微调、RLHF/RLEF 等技术路线，提升模型在安全专业任务上的推理与行动能力；\n- 构建安全领域高质量训练数据体系（攻防轨迹、工具调用序列、推理链标注等），设计面向 Agent 能力的训练目标与奖励函数。\n3、评估与可信体系建设：\n- 建立安全 Agent 的标准化评估基准，覆盖任务完成率、推理准确性、鲁棒性、可控性等多维指标；\n- 研究 Agent 在对抗环境下的安全性问题（提示注入防御、行为边界约束、决策可解释性等）。\n岗位要求：\n1、在安全与 AI 交叉领域有研究或实践经历（如基于 LLM 的漏洞检测、AI 辅助逆向分析、自动化渗透测试等）；\n2、具备安全工具使用或安全系统开发经验，理解真实安全运营场景的工作流与痛点；\n3、具备独立研究能力，能够阅读并跟进相关领域前沿论文，将研究思路转化为可落地的技术方案；\n4、理解主流大语言模型的原理与架构（Transformer、预训练-微调范式、RLHF 等）；\n5、有大模型微调、推理优化或 Agent 系统（如 ReAct、Tool Use、Planning）的实践经验，有强化学习工程落地经验，尤其是在交互式环境中训练 Agent 的实践；\n6、有 Agent 框架开发经验（如 LangChain、AutoGPT、OpenAI Function Calling 等），或有自主搭建多 Agent 系统的项目经历。\n加分项：\n1、在顶会（如 S&P、USENIX Security、CCS、NDSS、NeurIPS、ICML、ICLR、ACL 等）发表过相关论文；\n2、参与过 CTF 竞赛并取得优秀成绩，或在知名安全社区有高质量技术输出；\n3、有安全产品或安全平台的研发经验（SIEM、SOAR、漏洞扫描器、WAF 等）；\n4、对 AI 安全（对抗攻击、模型安全、提示注入等）有研究或理解。",
    "standard_classification": {
        "std_category_code": "T009",
        "std_aux_codes": [
            "T010",
            "T023"
        ],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}