风险预测与安全对抗

岗位职责

面向智能用户理解、风险预测、安全对抗等核心业务场景，基于海量规模用户行为数据，通过有监、自监、无监等大规模深度神经网络算法，结合多源异构大模型能力，持续优化用户行为理解、风险行为识别、以及黑产威胁对抗等。推动大规模深度神经网络算法、智能博弈决策算法、表格基座大模型、时序基座大模型等在真实业务中的落地与迭代。 具体职责：

1. 参与核心业务，包括金融风控、财富保险、支付等安全对抗算法建设，优化用户全链路全生命周期理解与风险预测，提升业务效率、保障用户体验等核心指标；
2. 研究自监督、生成式、多模态、智能体等前沿技术方向，解决核心业务场景风险问题；
3. 参与或负责基于表格基座大模型（TFM）的预测、判别、分类、回归等算法技术研发，用于解决金融风险预测、健康保险测评、安全风险对抗等业务核心问题，提升智能化水平，突破业务价值上限。

任职要求

1. 熟悉有监督、自监督、无监督等深度神经网络算法，熟悉因果模型、图模型、树模型、决策优化等机器学习方法；
2. 具备较强的问题洞见、实验设计、模型研发上线、业务结果分析等能力。有较强的学习能力，对挑战难题深度专研的耐力，善于解决问题的脑力；
3. 对大模型等前沿技术原理及应用有较强学习热情，关注TFM/LLM/VLM等在风控和安全领域的应用，有NLP/多模态/强化学习经验者优先；
4. 拥有Kaggle/ACM竞赛奖项、国际顶级会议论文、知名GitHub开源项目等公开成果者优先。

特色标签

DNN、LLM、Python、SQL、TFM、VLM、优秀开源项目经历、保险、信贷、信贷风险、健康保险测评、分布式训练、博弈决策智能体、参加算法相关竞赛/获奖、反欺诈、反洗钱、发表算法相关优秀论文、因果推断、因果树、图文融合、图模型、多模态学习、多模态算法、大数据、大数据处理工具(Spark/Hadoop/Hive)、大模型算法、大规模神经网络、安全、强化学习、强化学习智能体、支付、支付安全、数据安全、数据挖掘、无监督学习、时序基座大模型、智能代理、机器学习、深度学习、深度网络、生成式学习、用户全链路理解、用户生命周期建模、用户行为理解、电商、自然语言处理算法、自监督学习、表格基座大模型、跨模态、金融、金融风险控制、金融风险预测、银行、风控、风控安全、风控算法、风险识别、黑产威胁对抗