研究型实习生-引导式多角色对抗协商风控任务分析 Agent 研究

岗位职责

研究领域： 大模型智能体 项目简介： 在内容安全风控领域，建模流程的起点是任务分析——风控运营人员需要将业务经验和对风险的理解转化为结构化的需求文档、可执行的规则文档和建模所需的示例数据。然而，这一环节存在三个核心痛点：1、任务表达难：风控运营人员熟悉业务但难以精准描述任务目标，风险定义模糊、判定边界不清晰是常态，大量有效经验停留在"直觉"层面无法结构化；2、数据洞察缺：任务分析阶段往往缺乏数据支撑，运营人员凭经验判断而非数据驱动，容易遗漏新型风险变体和隐蔽风险模式；3、任务质量低：产出的任务文档完备性和一致性难以保证，规则之间存在冲突或覆盖盲区，往往到建模阶段甚至上线后才发现问题，返工成本高。现有任务分析方法存在两个根本性缺失：一是"被动响应"——Agent 等用户提任务才开始工作，缺乏从数据中主动发现风险线索的能力；二是"缺乏验证"——依赖人工审核任务质量，缺少自动化的任务完备性检验和冲突检测机制。本研究提出融合"主动洞察发现""引导式人机协作""多角色对抗协商验证"三机制的引导式风控任务分析 Agent，形成从数据洞察到结构化产出的端到端闭环。

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

algorithm-engineering-experience、C/C++、Golang、Java、publish-algorithm-papers、Python、主动数据扫描、主动线索识别、主动风险发现、交互式任务引导、人机协同引导、任务一致性校验、任务完备性检测、任务定义、任务拆解、内容安全、内容安全治理、内容安全风险管理、内容风控、可执行规则文档、多智能体协商、多角色博弈协商、大模型算法、建模需求文档、引导式协作流程、数据发现、数据挖掘、数据线索挖掘、数据驱动洞察、智能体、结构化需求说明书、自然语言处理算法、规则冲突检测、角色对抗验证、需求分析、风控、风控任务 Agent、风控分析代理、风控智能体、风控算法