主分类：搜索推荐与业务决策算法研发
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": "资深算法工程师（内容安全）",
"job_level": "高级",AI生成
"work_category": "全职",AI生成
"department": "音乐事业部",
"location": "杭州市",
"work_mode": "未披露",AI生成
"job_category": "人工智能"AI生成
},
"company": {
"company_name": "网易",
"company_industry": "互联网 / 游戏 / 数字内容",
"company_size": "10000人以上",
"company_website": "netease.com",
"company_description": "网易提供互联网和游戏服务，并通过有道、网易云音乐、网易严选等业务提供学习、音乐及消费服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 3,
"degree": "硕士",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 负责云音乐内容安全算法体系的研发与迭代，覆盖文本、图像、音频、视频等多模态内容的违禁识别与风险识别。\n2. 针对歌曲、评论、歌单、直播等场景，设计和优化违禁词检测、音视频指纹、色情/暴力/谩骂识别、ASR/NLP内容理解等模型。\n3. 探索大模型（LLM/Multimodal）在内容风控场景的落地应用，解决新型突发违规内容的快速响应与识别问题。\n4. 跟踪业界前沿的多模态理解、小样本学习、增量学习等技术，结合业务场景进行落地探索，持续提升平台内容生态健康度。",
"requirements_text": "1. 计算机、数学、统计等相关专业，3年以上机器学习算法经验，内容安全、多模态理解或自然语言处理领域实战经验。\n2. 熟悉 Transformer 架构及预训练大模型技术，掌握至少一类LLM模型（如LLaMA，Qwen），有大模型微调（LoRA/P-tuning）或多模态模型（如 CLIP、Whisper）实际落地经验者优先。\n3. 扎实的算法与工程能力，精通Python/Java，熟练使用TensorFlow/PyTorch、Spark ML等框架，有海量数据处理及模型压缩部署经验。\n4. 对内容安全标准与黑灰产对抗有敏锐的洞察力，具备优秀的逻辑分析与技术攻坚能力，能快速跟进顶会前沿算法并复现。\n5. 自我驱动，对内容治理有持续热情，具备良好的跨团队沟通与协作能力。",
"skills": [AI生成
"Python",
"Java",
"Spark",
"PyTorch",
"TensorFlow",
"机器学习",
"自然语言处理",
"模型微调",
"大语言模型"
],
"preferred_qualifications": "2. 熟悉 Transformer 架构及预训练大模型技术，掌握至少一类LLM模型（如LLaMA，Qwen），有大模型微调（LoRA/P-tuning）或多模态模型（如 CLIP、Whisper）实际落地经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://hr.163.com/job-detail.html?id=73999&lang=zh"
}
]
},
"posting": {
"posting_id": "73999",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://hr.163.com/job-detail.html?id=73999&lang=zh"
},
"fulltext": "资深算法工程师（内容安全）\n职位描述\n1. 负责云音乐内容安全算法体系的研发与迭代，覆盖文本、图像、音频、视频等多模态内容的违禁识别与风险识别。\n2. 针对歌曲、评论、歌单、直播等场景，设计和优化违禁词检测、音视频指纹、色情/暴力/谩骂识别、ASR/NLP内容理解等模型。\n3. 探索大模型（LLM/Multimodal）在内容风控场景的落地应用，解决新型突发违规内容的快速响应与识别问题。\n4. 跟踪业界前沿的多模态理解、小样本学习、增量学习等技术，结合业务场景进行落地探索，持续提升平台内容生态健康度。\n\n职位要求\n1. 计算机、数学、统计等相关专业，3年以上机器学习算法经验，内容安全、多模态理解或自然语言处理领域实战经验。\n2. 熟悉 Transformer 架构及预训练大模型技术，掌握至少一类LLM模型（如LLaMA，Qwen），有大模型微调（LoRA/P-tuning）或多模态模型（如 CLIP、Whisper）实际落地经验者优先。\n3. 扎实的算法与工程能力，精通Python/Java，熟练使用TensorFlow/PyTorch、Spark ML等框架，有海量数据处理及模型压缩部署经验。\n4. 对内容安全标准与黑灰产对抗有敏锐的洞察力，具备优秀的逻辑分析与技术攻坚能力，能快速跟进顶会前沿算法并复现。\n5. 自我驱动，对内容治理有持续热情，具备良好的跨团队沟通与协作能力。\n1. 负责云音乐内容安全算法体系的研发与迭代，覆盖文本、图像、音频、视频等多模态内容的违禁识别与风险识别。\n2. 针对歌曲、评论、歌单、直播等场景，设计和优化违禁词检测、音视频指纹、色情/暴力/谩骂识别、ASR/NLP内容理解等模型。\n3. 探索大模型（LLM/Multimodal）在内容风控场景的落地应用，解决新型突发违规内容的快速响应与识别问题。\n4. 跟踪业界前沿的多模态理解、小样本学习、增量学习等技术，结合业务场景进行落地探索，持续提升平台内容生态健康度。\n1. 计算机、数学、统计等相关专业，3年以上机器学习算法经验，内容安全、多模态理解或自然语言处理领域实战经验。\n2. 熟悉 Transformer 架构及预训练大模型技术，掌握至少一类LLM模型（如LLaMA，Qwen），有大模型微调（LoRA/P-tuning）或多模态模型（如 CLIP、Whisper）实际落地经验者优先。\n3. 扎实的算法与工程能力，精通Python/Java，熟练使用TensorFlow/PyTorch、Spark ML等框架，有海量数据处理及模型压缩部署经验。\n4. 对内容安全标准与黑灰产对抗有敏锐的洞察力，具备优秀的逻辑分析与技术攻坚能力，能快速跟进顶会前沿算法并复现。\n5. 自我驱动，对内容治理有持续热情，具备良好的跨团队沟通与协作能力。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}