研究型实习生-安全多模大模型技术研究

岗位职责

研究领域： 大模型 项目简介： 1.背景与行业趋势：防御体系的范式危机 当前内容安全已进入“像素级对抗”与“全链路隐蔽违规”的深水区。传统技术面临三重挑战：一是感知失效，在处理极小尺度违规点时因高延迟无法满足工业实时要求；二是决策困境，通用模型存在“指令遵循不稳”与“过度安全拒答”的矛盾，难以执行复杂的业务逻辑，导致模型在专业安全场景中“能看不能判”。三是认知缺失，经过安全对齐的模型，不具备足够且日益变化的安全知识，单纯依赖模型难以应对“游击战”式安全攻防对抗；防御体系亟待范式重构。 2.关键能力：打造“高感知、强遵循、可进化”的统一底座 本项目将重点突破以下三类核心能力： ● 图像细粒度感知： 将“细节放大观察”内化为模型架构能力，打破“高精度=高延迟”的工业落地门槛。 ● 指令遵循： 实现审核逻辑的精准遵循与专业场景的无缝适配。 ● 安全知识注入： 模型掌握安全领域特有知识，解决通用模型“过度对齐”造成的拒答问题 3. 未来发展方向：引领从“机器识别”向“智能判罚”的范式演进 通过统一的任务范式，有效应对不断变异的对抗风险，构建长期可进化的防御壁垒。 推动模型从“辅助审核工具”升级为“智能决策终端”，实现审核判罚的标准化、逻辑化与可解释化，从而释放核心业务的人力效能。

任职要求

研究领域： -目前正在攻读计算机科学或相关STEM领域的学士,硕士或博士学位 -具有一种或多种通用编程语言的经验,包括但不限于: Java,C/C ++ 、Python、JavaScript或Go -具有上述研究领域的相关经验,包括行业经验或作为参与实验室研究 优先录用： -对技术研究充满热情,具有产生新思想和创新的能力; 在自学,问题分析和解决方面表现出色 -在国际会议上或核心期刊发表一份或多份出版物或论文 -至少3个月的全职工作

特色标签

专业知识增强、业务审核流程、信息安全审核、内容安全、内容审核规则、发表算法相关优秀论文、可解释判罚、图像算法、图像细粒度理解、多模态算法、大模型算法、大规模预训练模型、大语言模型、安全审核策略、安全领域对齐、对抗攻击、对抗样本、指令对齐、指令执行、指令跟踪、数字内容治理、智能审核决策、模型鲁棒性、算法工程化经验、细粒度视觉分析、网络内容安全、自动化判罚、自然语言处理算法、领域知识注入