主分类：网络信息安全
辅助：AI模型评测工程（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": "智多星-大模型安全对抗工程师",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "阿里巴巴控股集团",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类"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、网络安全、人工智能等相关专业在读硕士或博士",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1.参与大模型安全对抗演练：协助开展大模型全链路（SFT/RLHF/推理部署）的安全风险排查、漏洞挖掘与红蓝对抗样本建设。\n2.协助研发自动化红队工具：参与设计并实现针对大模型/多模态模型的自动化越狱、提示词注入和对抗性扰动生成算法，协助进行安全边界压力测试。\n3.参与大模型安全对齐与防御算法研发：辅助进行基于RLAIF、DPO等前沿对齐技术的算法实验；参与优化输入/输出内容安全过滤模型与多维风险评估机制。\n4.开展前沿安全威胁与防御研究：针对间接提示词注入、数据投毒、偏好劫持等前沿安全威胁进行算法复现与评测，探索前沿防御方案。\n5.负责安全数据建设与评测闭环：协助构建和维护多维度的安全评测Benchmark，参与编写自动化评测脚本，协助实现“攻击生成-防御阻断-模型评估”的迭代闭环。",
"requirements_text": "1.计算机、网络安全、人工智能等相关专业在读硕士或博士，对大模型安全、AI对抗样本、密码学或传统Web安全有浓厚兴趣。\n2.具备扎实的深度学习基础：熟练掌握PyTorch等深度学习框架，熟悉Transformer架构，有大模型微调（PEFT/SFT）或强化学习（RL）基础实验经验者优先。\n3.对大模型安全漏洞有一定认知，了解常见的大模型安全问题（如提示词注入、越狱攻击），有关注或复现过国内外主流大模型越狱/攻击方法的经历。\n4.具备良好的代码功底与工程实践能力：精通Python，熟悉Linux开发环境，有良好的编码习惯，对分布式训练或海量数据特征处理有一定了解。\n5.强烈的技术好奇心与自驱力：具备优秀的快速学习能力和极客精神，乐于钻研前沿技术，有良好的团队协作和沟通能力。\n6.在安全或人工智能顶级会议/期刊（CVPR,NeurIPS,ICLR,ACL等）发表过高水平安全对抗/AI安全方向论文，或在知名AI比赛、大模型安全挑战赛中获得优异成绩，或有大型开源AI安全项目贡献经历者优先。",
"skills": [AI生成
"Python",
"Linux",
"PyTorch",
"深度学习",
"强化学习",
"模型微调",
"团队协作",
"沟通能力",
"学习能力",
"大语言模型"
],
"preferred_qualifications": "2.具备扎实的深度学习基础：熟练掌握PyTorch等深度学习框架，熟悉Transformer架构，有大模型微调（PEFT/SFT）或强化学习（RL）基础实验经验者优先；6.在安全或人工智能顶级会议/期刊（CVPR,NeurIPS,ICLR,ACL等）发表过高水平安全对抗/AI安全方向论文，或在知名AI比赛、大模型安全挑战赛中获得优异成绩，或有大型开源AI安全项目贡献经历者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199907940002?deptCodes="
}
]
},
"posting": {
"posting_id": "199907940002",
"post_date": "2026-07-23",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199907940002?deptCodes="
},
"fulltext": "智多星-大模型安全对抗工程师\n智多星-大模型安全对抗工程师\n\n基础信息\n毕业起止时间要求：2027-11-01 - 2030-01-01\n职位类别：技术类\n招聘项目：阿里巴巴日常实习生\n工作地点：杭州\n\n职位描述\n1.参与大模型安全对抗演练：协助开展大模型全链路（SFT/RLHF/推理部署）的安全风险排查、漏洞挖掘与红蓝对抗样本建设。\n2.协助研发自动化红队工具：参与设计并实现针对大模型/多模态模型的自动化越狱、提示词注入和对抗性扰动生成算法，协助进行安全边界压力测试。\n3.参与大模型安全对齐与防御算法研发：辅助进行基于RLAIF、DPO等前沿对齐技术的算法实验；参与优化输入/输出内容安全过滤模型与多维风险评估机制。\n4.开展前沿安全威胁与防御研究：针对间接提示词注入、数据投毒、偏好劫持等前沿安全威胁进行算法复现与评测，探索前沿防御方案。\n5.负责安全数据建设与评测闭环：协助构建和维护多维度的安全评测Benchmark，参与编写自动化评测脚本，协助实现“攻击生成-防御阻断-模型评估”的迭代闭环。\n\n职位要求\n1.计算机、网络安全、人工智能等相关专业在读硕士或博士，对大模型安全、AI对抗样本、密码学或传统Web安全有浓厚兴趣。\n2.具备扎实的深度学习基础：熟练掌握PyTorch等深度学习框架，熟悉Transformer架构，有大模型微调（PEFT/SFT）或强化学习（RL）基础实验经验者优先。\n3.对大模型安全漏洞有一定认知，了解常见的大模型安全问题（如提示词注入、越狱攻击），有关注或复现过国内外主流大模型越狱/攻击方法的经历。\n4.具备良好的代码功底与工程实践能力：精通Python，熟悉Linux开发环境，有良好的编码习惯，对分布式训练或海量数据特征处理有一定了解。\n5.强烈的技术好奇心与自驱力：具备优秀的快速学习能力和极客精神，乐于钻研前沿技术，有良好的团队协作和沟通能力。\n6.在安全或人工智能顶级会议/期刊（CVPR,NeurIPS,ICLR,ACL等）发表过高水平安全对抗/AI安全方向论文，或在知名AI比赛、大模型安全挑战赛中获得优异成绩，或有大型开源AI安全项目贡献经历者优先。\n\n在招业务\n阿里巴巴控股集团\n1.参与大模型安全对抗演练：协助开展大模型全链路（SFT/RLHF/推理部署）的安全风险排查、漏洞挖掘与红蓝对抗样本建设。\n2.协助研发自动化红队工具：参与设计并实现针对大模型/多模态模型的自动化越狱、提示词注入和对抗性扰动生成算法，协助进行安全边界压力测试。\n3.参与大模型安全对齐与防御算法研发：辅助进行基于RLAIF、DPO等前沿对齐技术的算法实验；参与优化输入/输出内容安全过滤模型与多维风险评估机制。\n4.开展前沿安全威胁与防御研究：针对间接提示词注入、数据投毒、偏好劫持等前沿安全威胁进行算法复现与评测，探索前沿防御方案。\n5.负责安全数据建设与评测闭环：协助构建和维护多维度的安全评测Benchmark，参与编写自动化评测脚本，协助实现“攻击生成-防御阻断-模型评估”的迭代闭环。\n1.计算机、网络安全、人工智能等相关专业在读硕士或博士，对大模型安全、AI对抗样本、密码学或传统Web安全有浓厚兴趣。\n2.具备扎实的深度学习基础：熟练掌握PyTorch等深度学习框架，熟悉Transformer架构，有大模型微调（PEFT/SFT）或强化学习（RL）基础实验经验者优先。\n3.对大模型安全漏洞有一定认知，了解常见的大模型安全问题（如提示词注入、越狱攻击），有关注或复现过国内外主流大模型越狱/攻击方法的经历。\n4.具备良好的代码功底与工程实践能力：精通Python，熟悉Linux开发环境，有良好的编码习惯，对分布式训练或海量数据特征处理有一定了解。\n5.强烈的技术好奇心与自驱力：具备优秀的快速学习能力和极客精神，乐于钻研前沿技术，有良好的团队协作和沟通能力。\n6.在安全或人工智能顶级会议/期刊（CVPR,NeurIPS,ICLR,ACL等）发表过高水平安全对抗/AI安全方向论文，或在知名AI比赛、大模型安全挑战赛中获得优异成绩，或有大型开源AI安全项目贡献经历者优先。",
"standard_classification": {
"std_category_code": "T023",
"std_aux_codes": [
"T015"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}