日常实习生-大模型后训练/Agentic算法（行为风控方向）

岗位面向行为风控这一高度复杂且动态对抗的业务场景，支持反爬、作弊、欺诈、账号安全、恶意行为等核心风控业务，聚焦大模型后训练与Agentic等前沿技术，探索下一代智能风控基座和行为域基模解决方案。

1. 参与行为域数据体系建设：面向行为风控场景中的结构化、序列化、图表化等数据，参与数据处理、任务构建和评测方案设计；探索面向结构化数据的大模型后训练方法，参与行为特色“世界模型”的研究与验证。
2. 参与强化学习方案设计：围绕行为风控中的复杂任务，参与Reward System、RL后训练、复杂决策、自我博弈等方向的研究与实验；协助推进全链路情报分析与风险决策能力的建模和优化。
3. 参与Agent训练环境和方案构建：面向行为分析、识别、挖掘、链路还原、路径推演等场景，参与可扩展Agent训练环境的设计、搭建与迭代；支持复杂任务下Agent能力评测、训练数据构造和效果分析。
4. 参与技术探索与效果分析：跟进大模型后训练、RLHF、Agent、世界模型等方向的前沿研究；结合业务场景，参与实验设计、结果分析和方案迭代，推动研究成果向真实业务问题靠近。

1. 硕士研究生及以上在读，计算机、人工智能、软件工程、信息安全、统计、数学等相关专业；
2. 具备大模型、强化学习、Agent相关科研、项目或实习经验，复合能力较强者优先；
3. 了解业务风控相关场景者优先，包括作弊、欺诈、账号安全、恶意行为等；有日志、行为序列、图数据处理经验者优先；
4. 具备扎实的编程基础，熟练掌握 Python，熟悉 PyTorch 等深度学习框架；
5. 具备良好的分析问题和动手能力，能够在指导下将业务问题抽象为可实验、可建模的技术问题；
6. 具备良好的沟通能力和团队合作意识，能够与算法、工程、策略等团队高效协作。