主分类：搜索推荐与业务决策算法研发
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": "算法开发",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "京东零售",
"location": "北京市",
"work_mode": "未披露",AI生成
"job_category": "研发类"AI生成
},
"company": {
"company_name": "京东集团",
"company_industry": "电商 / 供应链 / 物流 / 科技服务",
"company_size": "10000人以上",
"company_website": "jd.com",
"company_description": "京东是一家以供应链为基础的技术与服务企业，覆盖零售、物流、科技、健康等业务。"
},
"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": "算法开发\n\n基础信息\n招聘类型：社招\n职位类别：研发类\n工作地点：北京市\n所属部门：京东零售\n发布时间：2026-06-30\n\n岗位职责\n1. 负责公司核心业务场景的 风控算法模型设计、开发、优化与落地，覆盖但不限于反欺诈、反作弊、薅羊毛识别、刷量识别、爬虫识别、账号异常、支付风险、营销风险、内容风险等方向。\n2. 基于业务风险特征，构建 实时/离线风险识别模型、用户行为模型、设备风险模型、团伙识别模型、异常检测模型 等，提升风险识别准确率和召回能力。\n3. 负责模型全生命周期管理，包括 样本构建、特征工程、模型训练、效果评估、上线部署、监控预警、迭代优化和效果归因。\n4. 探索并落地 LLM / 多模态大模型 / 风控垂域大模型 在风险识别、风险归因、案件分析、策略推荐、异常解释、黑产情报挖掘等场景中的应用。\n5. 参与风控垂域大模型建设，包括 数据清洗与构造、Continue Pretrain、SFT、PEFT、RLHF、Prompt Engineering、RAG、模型评测与安全对齐 等工作。\n\n任职要求\n1. 基础要求：具备扎实的机器学习和深度学习基础，熟悉常见算法，包括但不限于 GBDT/XGBoost/LightGBM、DNN、Transformer、序列模型、图模型、异常检测、聚类、半监督/自监督学习 等。\n2. 大模型能力要求\n1）熟悉主流大语言模型和开源生态，如 Qwen、Llama、GLM 等，了解大模型训练、微调、推理和评测流程。\n2）熟悉 SFT、PEFT、LoRA、RLHF、Prompt Engineering、RAG、Agent、模型蒸馏、向量检索、知识增强 等技术，有实际项目落地经验优先。\n3）了解大模型安全风险，包括 幻觉、越狱攻击、提示注入、隐私泄露、内容安全、数据安全、模型鲁棒性 等，有大模型安全评测或风控应用经验优先。\n3. 风控建模能力要求\n1）熟悉风控业务中的样本构造、标签定义、特征工程、模型训练、阈值策略、效果评估、线上监控和策略迭代方法。\n2）具备处理 海量行为数据、多源异构数据、长序列数据、图关系数据、弱标签/噪声标签数据 的经验。\n3）对黑灰产攻防有较强兴趣和敏感度，能够从异常行为、设备指纹、交易链路、社交关系、内容语义等维度挖掘风险模式。\n符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。",
"requirements_text": "算法开发\n\n基础信息\n招聘类型：社招\n职位类别：研发类\n工作地点：北京市\n所属部门：京东零售\n发布时间：2026-06-30\n\n岗位职责\n1. 负责公司核心业务场景的 风控算法模型设计、开发、优化与落地，覆盖但不限于反欺诈、反作弊、薅羊毛识别、刷量识别、爬虫识别、账号异常、支付风险、营销风险、内容风险等方向。\n2. 基于业务风险特征，构建 实时/离线风险识别模型、用户行为模型、设备风险模型、团伙识别模型、异常检测模型 等，提升风险识别准确率和召回能力。\n3. 负责模型全生命周期管理，包括 样本构建、特征工程、模型训练、效果评估、上线部署、监控预警、迭代优化和效果归因。\n4. 探索并落地 LLM / 多模态大模型 / 风控垂域大模型 在风险识别、风险归因、案件分析、策略推荐、异常解释、黑产情报挖掘等场景中的应用。\n5. 参与风控垂域大模型建设，包括 数据清洗与构造、Continue Pretrain、SFT、PEFT、RLHF、Prompt Engineering、RAG、模型评测与安全对齐 等工作。\n\n任职要求\n1. 基础要求：具备扎实的机器学习和深度学习基础，熟悉常见算法，包括但不限于 GBDT/XGBoost/LightGBM、DNN、Transformer、序列模型、图模型、异常检测、聚类、半监督/自监督学习 等。\n2. 大模型能力要求\n1）熟悉主流大语言模型和开源生态，如 Qwen、Llama、GLM 等，了解大模型训练、微调、推理和评测流程。\n2）熟悉 SFT、PEFT、LoRA、RLHF、Prompt Engineering、RAG、Agent、模型蒸馏、向量检索、知识增强 等技术，有实际项目落地经验优先。\n3）了解大模型安全风险，包括 幻觉、越狱攻击、提示注入、隐私泄露、内容安全、数据安全、模型鲁棒性 等，有大模型安全评测或风控应用经验优先。\n3. 风控建模能力要求\n1）熟悉风控业务中的样本构造、标签定义、特征工程、模型训练、阈值策略、效果评估、线上监控和策略迭代方法。\n2）具备处理 海量行为数据、多源异构数据、长序列数据、图关系数据、弱标签/噪声标签数据 的经验。\n3）对黑灰产攻防有较强兴趣和敏感度，能够从异常行为、设备指纹、交易链路、社交关系、内容语义等维度挖掘风险模式。\n符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。",
"skills": [AI生成
"机器学习",
"深度学习",
"数据清洗",
"模型训练",
"建模",
"招聘",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "2）熟悉 SFT、PEFT、LoRA、RLHF、Prompt Engineering、RAG、Agent、模型蒸馏、向量检索、知识增强 等技术，有实际项目落地经验优先；3）了解大模型安全风险，包括 幻觉、越狱攻击、提示注入、隐私泄露、内容安全、数据安全、模型鲁棒性 等，有大模型安全评测或风控应用经验优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://zhaopin.jd.com/web/job-info-detail?requementId=219941"
}
]
},
"posting": {
"posting_id": "219941",
"post_date": "2026-06-30",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.jd.com/web/job-info-detail?requementId=219941"
},
"fulltext": "算法开发\n算法开发\n\n基础信息\n招聘类型：社招\n职位类别：研发类\n工作地点：北京市\n所属部门：京东零售\n发布时间：2026-06-30\n\n岗位职责\n1. 负责公司核心业务场景的 风控算法模型设计、开发、优化与落地，覆盖但不限于反欺诈、反作弊、薅羊毛识别、刷量识别、爬虫识别、账号异常、支付风险、营销风险、内容风险等方向。\n2. 基于业务风险特征，构建 实时/离线风险识别模型、用户行为模型、设备风险模型、团伙识别模型、异常检测模型 等，提升风险识别准确率和召回能力。\n3. 负责模型全生命周期管理，包括 样本构建、特征工程、模型训练、效果评估、上线部署、监控预警、迭代优化和效果归因。\n4. 探索并落地 LLM / 多模态大模型 / 风控垂域大模型 在风险识别、风险归因、案件分析、策略推荐、异常解释、黑产情报挖掘等场景中的应用。\n5. 参与风控垂域大模型建设，包括 数据清洗与构造、Continue Pretrain、SFT、PEFT、RLHF、Prompt Engineering、RAG、模型评测与安全对齐 等工作。\n\n任职要求\n1. 基础要求：具备扎实的机器学习和深度学习基础，熟悉常见算法，包括但不限于 GBDT/XGBoost/LightGBM、DNN、Transformer、序列模型、图模型、异常检测、聚类、半监督/自监督学习 等。\n2. 大模型能力要求\n1）熟悉主流大语言模型和开源生态，如 Qwen、Llama、GLM 等，了解大模型训练、微调、推理和评测流程。\n2）熟悉 SFT、PEFT、LoRA、RLHF、Prompt Engineering、RAG、Agent、模型蒸馏、向量检索、知识增强 等技术，有实际项目落地经验优先。\n3）了解大模型安全风险，包括 幻觉、越狱攻击、提示注入、隐私泄露、内容安全、数据安全、模型鲁棒性 等，有大模型安全评测或风控应用经验优先。\n3. 风控建模能力要求\n1）熟悉风控业务中的样本构造、标签定义、特征工程、模型训练、阈值策略、效果评估、线上监控和策略迭代方法。\n2）具备处理 海量行为数据、多源异构数据、长序列数据、图关系数据、弱标签/噪声标签数据 的经验。\n3）对黑灰产攻防有较强兴趣和敏感度，能够从异常行为、设备指纹、交易链路、社交关系、内容语义等维度挖掘风险模式。\n符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。\n算法开发\n\n基础信息\n招聘类型：社招\n职位类别：研发类\n工作地点：北京市\n所属部门：京东零售\n发布时间：2026-06-30\n\n岗位职责\n1. 负责公司核心业务场景的 风控算法模型设计、开发、优化与落地，覆盖但不限于反欺诈、反作弊、薅羊毛识别、刷量识别、爬虫识别、账号异常、支付风险、营销风险、内容风险等方向。\n2. 基于业务风险特征，构建 实时/离线风险识别模型、用户行为模型、设备风险模型、团伙识别模型、异常检测模型 等，提升风险识别准确率和召回能力。\n3. 负责模型全生命周期管理，包括 样本构建、特征工程、模型训练、效果评估、上线部署、监控预警、迭代优化和效果归因。\n4. 探索并落地 LLM / 多模态大模型 / 风控垂域大模型 在风险识别、风险归因、案件分析、策略推荐、异常解释、黑产情报挖掘等场景中的应用。\n5. 参与风控垂域大模型建设，包括 数据清洗与构造、Continue Pretrain、SFT、PEFT、RLHF、Prompt Engineering、RAG、模型评测与安全对齐 等工作。\n\n任职要求\n1. 基础要求：具备扎实的机器学习和深度学习基础，熟悉常见算法，包括但不限于 GBDT/XGBoost/LightGBM、DNN、Transformer、序列模型、图模型、异常检测、聚类、半监督/自监督学习 等。\n2. 大模型能力要求\n1）熟悉主流大语言模型和开源生态，如 Qwen、Llama、GLM 等，了解大模型训练、微调、推理和评测流程。\n2）熟悉 SFT、PEFT、LoRA、RLHF、Prompt Engineering、RAG、Agent、模型蒸馏、向量检索、知识增强 等技术，有实际项目落地经验优先。\n3）了解大模型安全风险，包括 幻觉、越狱攻击、提示注入、隐私泄露、内容安全、数据安全、模型鲁棒性 等，有大模型安全评测或风控应用经验优先。\n3. 风控建模能力要求\n1）熟悉风控业务中的样本构造、标签定义、特征工程、模型训练、阈值策略、效果评估、线上监控和策略迭代方法。\n2）具备处理 海量行为数据、多源异构数据、长序列数据、图关系数据、弱标签/噪声标签数据 的经验。\n3）对黑灰产攻防有较强兴趣和敏感度，能够从异常行为、设备指纹、交易链路、社交关系、内容语义等维度挖掘风险模式。\n符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。\n算法开发\n\n基础信息\n招聘类型：社招\n职位类别：研发类\n工作地点：北京市\n所属部门：京东零售\n发布时间：2026-06-30\n\n岗位职责\n1. 负责公司核心业务场景的 风控算法模型设计、开发、优化与落地，覆盖但不限于反欺诈、反作弊、薅羊毛识别、刷量识别、爬虫识别、账号异常、支付风险、营销风险、内容风险等方向。\n2. 基于业务风险特征，构建 实时/离线风险识别模型、用户行为模型、设备风险模型、团伙识别模型、异常检测模型 等，提升风险识别准确率和召回能力。\n3. 负责模型全生命周期管理，包括 样本构建、特征工程、模型训练、效果评估、上线部署、监控预警、迭代优化和效果归因。\n4. 探索并落地 LLM / 多模态大模型 / 风控垂域大模型 在风险识别、风险归因、案件分析、策略推荐、异常解释、黑产情报挖掘等场景中的应用。\n5. 参与风控垂域大模型建设，包括 数据清洗与构造、Continue Pretrain、SFT、PEFT、RLHF、Prompt Engineering、RAG、模型评测与安全对齐 等工作。\n\n任职要求\n1. 基础要求：具备扎实的机器学习和深度学习基础，熟悉常见算法，包括但不限于 GBDT/XGBoost/LightGBM、DNN、Transformer、序列模型、图模型、异常检测、聚类、半监督/自监督学习 等。\n2. 大模型能力要求\n1）熟悉主流大语言模型和开源生态，如 Qwen、Llama、GLM 等，了解大模型训练、微调、推理和评测流程。\n2）熟悉 SFT、PEFT、LoRA、RLHF、Prompt Engineering、RAG、Agent、模型蒸馏、向量检索、知识增强 等技术，有实际项目落地经验优先。\n3）了解大模型安全风险，包括 幻觉、越狱攻击、提示注入、隐私泄露、内容安全、数据安全、模型鲁棒性 等，有大模型安全评测或风控应用经验优先。\n3. 风控建模能力要求\n1）熟悉风控业务中的样本构造、标签定义、特征工程、模型训练、阈值策略、效果评估、线上监控和策略迭代方法。\n2）具备处理 海量行为数据、多源异构数据、长序列数据、图关系数据、弱标签/噪声标签数据 的经验。\n3）对黑灰产攻防有较强兴趣和敏感度，能够从异常行为、设备指纹、交易链路、社交关系、内容语义等维度挖掘风险模式。\n符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}