大模型内生安全青年科学家/研究员

研究大模型内生安全机制，分析模型在预训练、后训练及推理阶段产生越狱、欺骗、偏见、有害输出等风险的内部成因；

探索面向安全的大模型架构与训练方法，研究注意力机制、表征空间、残差通路、稀疏激活及 MoE 路由等结构与模型安全行为之间的关系；

研发大模型对齐、可解释性、鲁棒性及可控生成技术，包括安全对齐训练、机制可解释、表示干预、激活引导、安全解码和对抗训练等；

跟踪大模型内生安全与可信人工智能前沿进展，推动研究成果在实际模型训练、部署及安全治理场景中的应用。

计算机科学、人工智能、网络安全或相关专业硕士及以上学历，博士优先；具备大模型安全、可信人工智能或相关方向研究经历者优先；

具备扎实的机器学习和深度学习基础，对 Transformer、MoE 等大模型架构有较深入理解，熟悉注意力机制、位置编码、归一化、残差连接、路由机制及解码策略；

熟悉模型对齐、机制可解释性、对抗鲁棒性、模型后门或安全评测等方向中的一个或多个领域；有高水平论文、开源项目或实际成果者优先；

具备较强的科研创新能力、问题抽象能力和逻辑分析能力，对大模型内生安全研究充满热情，并具备良好的跨团队协作能力。