北京 安全 招聘（工资待遇要求）

1. 专业背景与工作经验
专业要求：计算机科学、人工智能、信息安全、网络空间安全或相关专业硕士及以上学历，985、211院校毕业生，在相关领域有突出研究成果或实践能力的，条件可适当放宽。
工作经验要求：具备3年以上与大模型安全、AI安全相关的实际项目或研究经验，有互联网大厂或专业互联网/AI安全公司背景者优先。
2. 大模型基础
精通大模型基本架构：深入理解注意力机制、分词、向量化原理，能够解释模型产生幻觉或被诱导的原理。
主流模型实战经验：熟练掌握Qwen、DeepSeek、Llama等开源模型的微调（SFT）和推理优化，RLHF/DPO的流程。
智能体安全：具备智能体及多智能体系统安全研究经验，熟悉其行为安全、目标对齐、工具链与环境交互安全等专项问题
3. 大模型攻防技术
精通各类攻防手法：精通各类提示词注入、越狱及提示词泄露攻击的方法，并可针对性制定防御手段。
护栏框架应用经验：深入掌握或开发/二次开发过业界主流护栏框架，如 Prompt Guard、Llama Guard、Qwen3 Guard 或 Ali云护栏等。
测试与评估能力强：有能力编写脚本自动生成对抗性测试用例，能够使用常见攻击库进行压力测试。有能力开发优势样本用例，能绕过模型的防护机制，使其输出有害内容。能独立执行样本回放测试、现网真实数据测试。
策略调优能力强：能够根据业务场景调整风险策略和阈值，在安全与体验间取得平衡。具备分析告警日志，进行问题排查、研判分析，并持续优化检测规则的能力。
4. 工程化能力
高并发处理能力强：护栏会增加推理延迟，需具备极致的工程优化能力。要求精通Python/C++，熟悉异步编程，确保安全检测层对系统延迟的影响降至*低，能够设计支持流式传输的检测接口。
全栈开发能力强：熟悉Docker、K8s容器化部署，能够将安全护栏作为API集成部署。熟悉 NVIDIA GPU及国产GPU体系结构，掌握vLLM 等推理加速框架。
5. 其他综合能力
多模态安全：具备多模态模型的应用经验，熟悉图像混淆以及图文协同攻击的生成与防护手段。
判别式模型开发经验：具备训练高精度、低延迟的文本分类模型的能力，用于识别恶意意图。
向量库技术：熟练使用Milvus等，能够利用Embedding距离检测异常输入或敏感语义聚类。能够通过向量相似度匹配构建语义黑名单。
合规标准认知：熟悉全球AI监管草案（如TC260、OWASP Top 10 fLLM等）。