岗位职责
大模型能力正在向自主决策、多模态交互等前沿边界升级演变的同时，前沿风险同时在催生。我们的任务是从原理层面发现和定义新 型AI风险，构建前沿评测与防御体系，输出高质量研究成果（如顶会论文、技术白皮书等）并推动真实业务场景安全实践落地（如蚂蚁阿福、蚂小财、灵光、阿 宝等战略级Native AI产品）。研究方向包括但不限于： - 新型AI风险评测：面向 Agentic AI 自主行动等场景，发现并定义新型风险类别（如多轮内生安全对齐可靠性、虚实结合的具身智能风险等），设计前沿风险评测体系和benchmark； - 安全对齐与可控性研究：探索 RLHF、DPO、Constitutional AI 等对齐方法在 Agentic AI 场景的适配与演进，研究对齐有效性与持久性，应对微调退化、对齐税、自主行动偏离等前沿挑战； - 可解释性与风险归因：研究大模型及智能体的决策可解释性方法，构建面向自主行动场景的风险归因与实时阻断机制，支撑可审计、可追溯、可干预 的AI治理体系。
职位要求
- 硕士及以上学历，计算机、人工智能、信息安全、数学等相关专业，博士优先； - 1年以上机器学习、自然语言处理等相关领域工作经验，有安全/对齐/评测方向研究或工程实践优先； - 对 Transformer 架构与大模型训练流程有深入理解，熟悉 SFT、RLHF、DPO 等后训练方法； - 在 AI 安全、对齐、评测、可解释性任一方向有深入研究成果，有顶会论文（NeurIPS、ICML、ICLR 等）优先； - 具备技术洞察力与问题拆解能力，善于从复杂业务场景中提炼可研究的技术命题；能推动跨团队协作将研究成果落地。
