科大讯飞
校招大模型安全运营工程师(J13854)
合肥 · 校招 · 2027 届 · 本科
长期有效
任职要求
- 1. 本科及以上学历，人工智能、计算机、网络空间安全、大数据、统计学等相关专业
- 2. 具备扎实的AI与大数据数据分析能力，擅长从海量风险数据中提炼特征、定位根因、输出可落地策略
- 3. 有AI红队测评、Agent攻防、大模型内容风控实习/项目经验，熟练使用安全评测工具、具备风险数据分析经验者优先；有CTF、安全赛事、NLP算法竞赛获奖者优先
- 4. 拥有优秀的结构化拆解与逻辑推演能力，跨部门协同高效，能够独立牵头推进风控策略迭代、安全评测、风险治理类项目全流程落地。
- 5. 工作主动、抗压性强，能适配AI业务快速迭代节奏
- 6. 入职后将结合个人能力及业务需求，定岗深耕内容安全评测/风控运营、智能体安全运营任一方向。
- 此岗位为科大讯飞集团统一招聘岗位，人员通过简历筛选、初试、复试、终审等环节后录用。
岗位描述
- 1. 负责大模型和AI-Agent全生命周期风控运营，平衡业务安全性与用户体验。
- 2. 深耕多模态对话、Agent等应用场景，负责安全策略设计与落地，闭环处置Prompt注入、隐私泄露、策略误漏判等各类风险问题。
- 3. 基于线上数据提炼风险特征，迭代优化风控策略，提升策略准确率、召回率。
- 4. 推动安全运营工具、自动化安全评测工具的迭代优化。
- 5. 持续跟进AI监管政策、新型攻防手段，沉淀风险案例库，推动安全能力从事后处置向主动防御演进。
入职后将结合个人背景，侧重深耕其中一个专项方向：
① 大模型内容安全评测：搭建大模型安全评测体系与上线准入基线；针对模型越狱、对抗样本、模型幻觉等风险制定测评方案；落地红队自动化测评工具，承接大模型专项安全测试工作。
② 大模型风控运营：搭建线上风险告警机制，维护风控规则与风险案例库；排查并调优线上误判、漏判问题；为新业务输出前置风控预案，保障业务平稳上线。
③ AI‑Agent安全防护：开展智能体安全攻击测试，识别工具越权、意图偏离等Agent特有风险；依托防护原子技术，设计并持续优化安全防护策略。
- 1. 本科及以上学历，人工智能、计算机、网络空间安全、大数据、统计学等相关专业；
- 2. 具备扎实的AI与大数据数据分析能力，擅长从海量风险数据中提炼特征、定位根因、输出可落地策略；
- 3. 有AI红队测评、Agent攻防、大模型内容风控实习/项目经验，熟练使用安全评测工具、具备风险数据分析经验者优先；有CTF、安全赛事、NLP算法竞赛获奖者优先；
- 4. 拥有优秀的结构化拆解与逻辑推演能力，跨部门协同高效，能够独立牵头推进风控策略迭代、安全评测、风险治理类项目全流程落地。
- 5. 工作主动、抗压性强，能适配AI业务快速迭代节奏；
- 6. 入职后将结合个人能力及业务需求，定岗深耕内容安全评测/风控运营、智能体安全运营任一方向。
此岗位为科大讯飞集团统一招聘岗位，人员通过简历筛选、初试、复试、终审等环节后录用。
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 算法 岗位的常见面试问题整理
请解释 Transformer 模型的自注意力机制（Self-Attention）
查看答题思路
1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖
你做过的最有深度的算法/模型项目是什么
查看答题思路
1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）
过拟合是什么？怎么判断和解决
查看答题思路
1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度
解释梯度下降的原理，SGD 和 Adam 的区别
查看答题思路
1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam
给你 10 万条未标注的文本数据，如何找出其中 10 个主题
查看答题思路
1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。