主分类：大模型与生成式算法研发
辅助：网络信息安全（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": "大模型安全研究-阿里星",
"job_level": "校招",AI生成
"work_category": "全职",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、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": "随着人工智能技术的快速发展，大规模语言模型（Large Language Models, LLMs）在各行各业中得到广泛应用，其安全性、可控性与可信度已成为制约其落地的关键因素。当前，大模型在推理过程中可能表现出不可预测的行为，例如生成虚假信息、泄露隐私、响应恶意攻击指令、难以解释决策逻辑等问题，严重影响其在金融、医疗、政务、教育等高风险领域的部署。为应对上述挑战，我们亟需构建具备“内生安全”能力的大模型系统——即从模型设计、训练机制、推理过程到输出结果的全生命周期中，嵌入安全防护、行为对齐、攻防鲁棒性、可解释性及幻觉缓解等关键能力。该目标要求我们深入理解模型内部工作机制，探索前沿理论方法，并将其转化为工程实践。\n1. 负责大模型的内生安全对齐训练，覆盖通用合规、幻觉、越狱等风险，沉淀安全奖励模型、高质量数据构建链路、训练策略等安全组件和方法论。\n2. 负责大模型的可解释专题研究，能针对大模型的特定行为进行实验分析（包括拒答、幻觉、偏见等），研发评测与诊断工具。\n3. 负责大模型幻觉的专题研究，包括评测、内生加固、外层检测。",
"requirements_text": "1. 计算机、数学、人工智能等相关专业硕士及以上学历，有大模型安全或偏好对齐领域背景者优先。\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. 有较强的问题分析与解决能力，能够针对实验结论提出假设并设计方案验证，并具备良好的技术洞察力与业务敏感度。\n4. 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。\n5. 持续学习与技术输出能力，在顶会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",
"深度学习",
"数据结构",
"团队协作",
"沟通能力",
"大语言模型"
],
"preferred_qualifications": "1. 计算机、数学、人工智能等相关专业硕士及以上学历，有大模型安全或偏好对齐领域背景者优先；5. 持续学习与技术输出能力，在顶会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://campus-talent.alibaba.com/campus/position/199908480010?deptCodes="
}
]
},
"posting": {
"posting_id": "199908480010",
"post_date": "2026-08-04",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199908480010?deptCodes="
},
"fulltext": "大模型安全研究-阿里星\n大模型安全研究-阿里星\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随着人工智能技术的快速发展，大规模语言模型（Large Language Models, LLMs）在各行各业中得到广泛应用，其安全性、可控性与可信度已成为制约其落地的关键因素。当前，大模型在推理过程中可能表现出不可预测的行为，例如生成虚假信息、泄露隐私、响应恶意攻击指令、难以解释决策逻辑等问题，严重影响其在金融、医疗、政务、教育等高风险领域的部署。为应对上述挑战，我们亟需构建具备“内生安全”能力的大模型系统——即从模型设计、训练机制、推理过程到输出结果的全生命周期中，嵌入安全防护、行为对齐、攻防鲁棒性、可解释性及幻觉缓解等关键能力。该目标要求我们深入理解模型内部工作机制，探索前沿理论方法，并将其转化为工程实践。\n1. 负责大模型的内生安全对齐训练，覆盖通用合规、幻觉、越狱等风险，沉淀安全奖励模型、高质量数据构建链路、训练策略等安全组件和方法论。\n2. 负责大模型的可解释专题研究，能针对大模型的特定行为进行实验分析（包括拒答、幻觉、偏见等），研发评测与诊断工具。\n3. 负责大模型幻觉的专题研究，包括评测、内生加固、外层检测。\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，有大模型安全或偏好对齐领域背景者优先。\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. 有较强的问题分析与解决能力，能够针对实验结论提出假设并设计方案验证，并具备良好的技术洞察力与业务敏感度。\n4. 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。\n5. 持续学习与技术输出能力，在顶会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。\n\n在招业务\n阿里巴巴控股集团\n随着人工智能技术的快速发展，大规模语言模型（Large Language Models, LLMs）在各行各业中得到广泛应用，其安全性、可控性与可信度已成为制约其落地的关键因素。当前，大模型在推理过程中可能表现出不可预测的行为，例如生成虚假信息、泄露隐私、响应恶意攻击指令、难以解释决策逻辑等问题，严重影响其在金融、医疗、政务、教育等高风险领域的部署。为应对上述挑战，我们亟需构建具备“内生安全”能力的大模型系统——即从模型设计、训练机制、推理过程到输出结果的全生命周期中，嵌入安全防护、行为对齐、攻防鲁棒性、可解释性及幻觉缓解等关键能力。该目标要求我们深入理解模型内部工作机制，探索前沿理论方法，并将其转化为工程实践。\n1. 负责大模型的内生安全对齐训练，覆盖通用合规、幻觉、越狱等风险，沉淀安全奖励模型、高质量数据构建链路、训练策略等安全组件和方法论。\n2. 负责大模型的可解释专题研究，能针对大模型的特定行为进行实验分析（包括拒答、幻觉、偏见等），研发评测与诊断工具。\n3. 负责大模型幻觉的专题研究，包括评测、内生加固、外层检测。\n1. 计算机、数学、人工智能等相关专业硕士及以上学历，有大模型安全或偏好对齐领域背景者优先。\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. 有较强的问题分析与解决能力，能够针对实验结论提出假设并设计方案验证，并具备良好的技术洞察力与业务敏感度。\n4. 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。\n5. 持续学习与技术输出能力，在顶会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": "T010",
"std_aux_codes": [
"T023"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}