岗位描述
负责AI安全前沿领域技术研究。 AI安全考虑以下维度 具备以下4个维度要求: 算法与代码基础：具备扎实的算法与数学功底（线性代数、概率统计、优化），熟练掌握 Python / PyTorch，能独立实现经典模型与算法组件（如 Attention、优化器、分布式训练流程）；代码风格模块化、向量化，具备集群上复现和调试的能力，熟悉 Git 等工具链。 大模型与智能体基础：对大模型全栈有清晰的图景：熟悉 Transformer 架构（生成参数、位置编码、KV Cache）、训练范式（Pretrain / SFT / RLHF / DPO 的作用与差异）、推理栈（ transformers / vLLM 或同类）；理解 Agent 技术栈（ReAct、Function Calling / Tool-use、LangGraph 中的至少一个），能分析多轮交互、上下文管理、智能体协作等系统级问题，而不仅停留在 Prompt 层面。 AI安全前沿：系统性地掌握大模型、Agent/Tool-use 等前沿场景下的攻击面图谱，能够清晰区分模型内生安全（对齐、RLHF、表征层面的鲁棒性）与外置防护（输入/输出过滤、Guardrail、沙箱、权限控制）两类范式的边界与互补关系；在内容安全（有害生成、越狱、价值观对齐）或信息安全（数据泄露、Prompt Injection、供应链攻击）等至少一个方向有深入积累，熟悉主流攻防算法的原理、适用场景与局限，并能对前沿工作做出批判性判断。 项目与论文深度：具备完整的项目或论文产出，动机-方法-实验-结论形成闭环：问题定义清晰，方法设计有据可依（而非盲目堆模块），实验设置完备（含消融、baseline 对齐、统计显著性），结果呈现规范；更重要的是对自身方法的工作机制有机理级理解，能够通过隐藏层表征、中间变量、注意力分布、梯度流等内部信号解释"为什么有效"及"在什么条件下会失效"。