岗位职责
负责直播及视频场景下的内容安全算法研发与前沿技术落地，聚焦实时互动流中的风险识别、圈流决策、攻防对抗与LLM/VLLM/Omni大模型审核定性。 核心工作包括： 围绕直播间多主体行为序列（主播口播、观众互动、水军协同等），设计并优化风险识别模型与策略体系，实现从"单条内容审核"到"整场行为理解"的能力跃迁； 构建圈流-识别-审核三阶段决策引擎，在召回率≥95%的约束下持续降低误报率，实现审核链路的大模型自动化完结，平衡审核成本与安全效果； 设计自进化闭环系统，通过agentic/skill技术链路实现规则挖掘、识别点自动迭代与OOD鲁棒策略，应对攻击者持续变换话术/脚本的对抗环境； 参与内容安全大模型在直播/视频场景的落地，探索大小模型协同（线上小模型推理+大规模LLM训练/蒸馏/RL）的工业化路径。
职位要求
学历背景：计算机、数学、统计学或相关专业硕士及以上学历，具备扎实的理论基础； 编程能力：熟练掌握 Python，熟悉 PyTorch / TensorFlow，具备良好的工程落地能力（能写能调能上线）； 机器学习基础：熟悉序列建模（Transformer / GRU / LSTM）、图神经网络、多实例学习（MIL）、弱监督学习中的至少两项； 大模型经验：有 LLM/VLLM/Omni/Audio在多模态内容理解、文本分类、Prompt Engineering 或知识蒸馏方面的实际应用经验者优先； 研究能力：具备优秀的分析与问题解决能力，熟悉数据挖掘、信息检索、NLP、异常检测等领域，有相关研究成果者优先； 学术成果：在 KDD、SIGIR、NeurIPS、ICML、WWW、AAAI、ACL、CPVR、ICCV、MM 等顶级会议或期刊发表过论文者优先； 竞赛经历：参加过 ACM、Kaggle、天池等数据挖掘或机器学习竞赛并取得优异成绩者优先； 沟通协作：具备良好的团队协作与跨部门沟通能力，能够独立承担复杂算法任务并推动落地。 加分项 有内容安全、反作弊、反欺诈、直播风控、视频审核等相关项目经验； 熟悉多模态理解（视觉语言模型 / OCR / ASR / 图片标签 / Audio / Omni）在安全场景的应用； 熟悉分布偏移（OOD）检测、对抗鲁棒性、反事实推理等前沿方法； 有"圈流+识别"两阶段决策、自动化策略迭代、知识驱动规则挖掘的工程经验； 熟悉强化学习、博弈论在安全对抗场景中的应用； 具备内容自动审核、多模态内容治理、跨平台风控经验者优先。 我们提供 参与行业领先的直播/视频内容安全大模型体系建设，覆盖数十亿级日活互动流； 面向复杂实时对抗场景的技术挑战——攻击者每天在变，你的系统需要比他们更快进化； 强大的数据与算力支持，助力算法成果从论文到生产的完整闭环； 明确的技术成长路径，鼓励在顶会发表、参与开源，技术影响力与业务价值并重。
